强化学习
2026
14
- 强化学习：VLA、机器人与闭环强化学习
- 强化学习：Agent、环境与训练闭环
- 强化学习：Q-learning 与 DQN
- 强化学习：综合实践与算法选择
- 强化学习：Policy Gradient 与 REINFORCE
- 强化学习：Offline Reinforcement Learning
- 强化学习：多臂老虎机与探索
- 强化学习：LLM 强化学习：RLHF、RLVR 与 GRPO
- 强化学习：动态规划、Monte Carlo 与 TD
- 强化学习：连续控制与 SAC
- 基础知识：价值函数、策略梯度与强化学习目标
- 论文专题讲解：CPS：Flow-RL 中的系数保持采样
- 论文专题讲解：LongCat-Video：长视频生成、GRPO 与高效推理
- VLM/VLA：数据与策略学习：从示范轨迹到闭环策略
2025
8
1