【SSL-RL】自监督强化学习：随机网络蒸馏（RND）方法
随机网络蒸馏（RND）是一种自监督学习方法，旨在提高强化学习中的探索效率。该算法由 Chesney et al. 在论文《Random Network Distillation as a Method for Intrinsic Motivation》提出，RND 利用随机神经网络的输出与环境状态的
2024全国大数据与计算智能挑战赛火热报名中！
一年一度，快来报名！
【MADRL】反事实多智能体策略梯度（COMA）算法
反事实多智能体策略梯度法COMA (Counterfactual Multi-Agent Policy Gradient) 是一种面向多智能体协作问题的强化学习算法，旨在通过减少策略梯度的方差，来提升去中心化智能体的学习效果。COMA 算法最早由 DeepMind 团队提出，论文标题为 "Count
多代理强化学习综述：原理、算法与挑战
多代理强化学习是强化学习的一个子领域，专注于研究在共享环境中共存的多个学习代理的行为。每个代理都受其个体奖励驱动，采取行动以推进自身利益
【RL Latest Tech】安全强化学习（Safe RL）：理论、方法与应用
在强化学习（Reinforcement Learning, RL）中，智能体通过与环境的交互来学习一个策略，以最大化长期累积回报。然而，传统的强化学习算法在优化回报时往往不考虑智能体行为的安全性，导致在训练或部署过程中可能出现不安全的行为。**安全强化学习（Safe Reinforcement Le
SCoRe: 通过强化学习教导大语言模型进行自我纠错
这是谷歌9月发布在arxiv上的论文，研究者们提出了一种新方法**自我纠错强化学习(SCoRe)**,旨在使大语言模型能够在没有任何外部反馈或评判的情况下"即时"纠正自己的错误。
【RL Latest Tech】分层强化学习：Option-Critic架构算法
分层强化学习（Hierarchical Reinforcement Learning, HRL）通过将复杂问题分解为更小的子问题，显著提高了强化学习算法在解决高维状态空间和长期目标任务中的效率。Option-Critic架构是分层强化学习中一种非常有影响力的方法，专门用于自动发现和优化子策略（称为“
【RL】强化学习入门：从基础到应用
【RL】强化学习入门：从基础到应用强化学习，本文介绍了强化学习的基础和python经典实现。（Reinforcement Learning, RL）是机器学习的一个重要分支，它使得智能体通过与环境的互动来学习如何选择最优动作，以最大化累积奖励。近年来，随着深度学习技术的发展，强化学习取得了显著的进展
吴恩达机器学习 第三课 week3 强化学习（月球着陆器自动着陆）
Coursera课程 吴恩达机器学习 第3课 ：无监督学习、推荐算法和强化学习
AI：263-强化学习在自动驾驶领域的应用与前沿挑战
自动驾驶汽车是当前人工智能和机器学习的热门研究方向，而强化学习（Reinforcement Learning，RL）因其在复杂动态环境中的决策能力，成为推动自动驾驶技术的重要工具。本文将探讨强化学习在自动驾驶中的应用、面临的挑战，并提供一个简单的代码实例以展示如何在自动驾驶中应用强化学习。
Monte Carlo方法解决强化学习问题
本文继续深入探讨蒙特卡罗 (MC)方法。这些方法的特点是能够仅从经验中学习,不需要任何环境模型,这与动态规划(DP)方法形成对比。
强化学习—多智能体
多智能体强化学习是强化学习中的一个重要分支，涉及多个智能体在动态和交互的环境中学习和决策。它面临着挑战，如非稳定性、维度灾难以及智能体之间的协作与竞争。然而，随着算法的不断进步，MARL 在多个复杂应用领域中显示出巨大的潜力和前景。如果有更多的具体问题或需要深入讨论某个方面，欢迎继续提问！在一个包含
使用 Python TorchRL 进行多代理强化学习
本文将深入探讨如何使用 TorchRL 解决 MARL 问题,重点关注多代理环境中的近端策略优化(PPO)。
【强化学习】Q-learning训练AI走迷宫
Q-learning是一种基于强化学习的算法，用于解决Markov决策过程（MDP）中的问题。这类问题我们理解为一种可以用有限状态机表示的问题。它具有一些离散的状态state、每一个state可以通过动作action转移到另外一个state。每次采取action，这个action都会带有一些奖励re
使用深度强化学习预测股票：DQN 、Double DQN和Dueling Double DQN对比和代码示例
通过DRL，研究人员和投资者可以开发能够分析历史数据的模型，理解复杂的市场动态，并对股票购买、销售或持有做出明智的决策。
通过强化学习策略进行特征选择
在本文中，我们将介绍并实现一种新的通过强化学习策略的特征选择。
基于Google Vertex AI 和 Llama 2进行RLHF训练和评估
基于人类反馈的强化学习（RLHF）实战
MADQN：多代理合作强化学习
在本文中我们将只关注合作多代理学习的问题，不仅因为它在我们日常生活中更常见，而对于我们学习来说也相对的简单一些。
【强化学习入门】二.强化学习的基本概念：状态、动作、智能体、策略、奖励、状态转移、轨迹、回报、价值函数
自动驾驶中，汽车就是智能体；机器人控制中，机器人就是智能体；超级玛丽游戏中，玛丽就是智能体。当智能体做出一个动作，状态会发生变化（从旧的状态变成新的状态）。我们就可以说状态发生的转移。的含义就是，根据观测到的状态，做出动作的方案，超级玛丽游戏中，观测到的这一帧画面就是一个。强化学习的目标就是尽可能的
强化学习稀疏奖励问题（sparse reward）及解决方法
通常在训练智能体时，我们希望每一步动作都有相应的奖励。但是某些情况下，智能体并不能立刻获得奖励，比如全局奖励的围棋，最终获胜会得到奖励，但是人们很难去设定中间每步的奖励，这会导致学习缓慢甚至无法进行学习的问题。稀疏奖励，奖励塑型，课程学习，好奇心模块，分层强化学习
