强化学习(RL)¶
约 707 个字 预计阅读时间 4 分钟
相关资料¶
- Abhik Sarkar:机器学习、GPU 与计算机视觉技术文章
- Numerical Stability
- AI 基础学习专栏
- 大模型部署参考
- 蘑菇书 EasyRL
- paperlists
- DAPO:开源强化学习系统
- Simple PyTorch Implementations of Deep RL Algorithms for Continuous Control Research
- ReaderLM-v2
深度学习(DL)¶
CS231n¶
其他¶
- 《Attention Is All You Need》阅读笔记
- 动手学深度学习
- 动手学深度学习笔记:CNN、RNN、CV、NLP
- 深度学习知识合集 · 语雀
- UMich EECS 498-007 / 598-005: Deep Learning for Computer Vision 课程笔记
- CMU DLsys 作业实现
相关资料¶
- Birdclef 中几个模型转换成 openvino 格式
- 《神经网络与深度学习》
- 深度学习为啥不用二阶牛顿寻优?
- log_softmax 与 softmax 的区别在哪里? — 以往的月
- 神经网络可解释性综述
- 深度学习模型编译框架 TVM 概述
深度强化学习(DRL)¶
王树森¶
- 王树森 深度强化学习 L1
- 王树森 深度强化学习 L2
- 王树森 深度强化学习 L3
- 王树森 深度强化学习 L4 — Actor-Critic 方法
- 王树森 深度强化学习 L5 — AlphaGo
- 王树森 深度强化学习 L6 — Monte Carlo
- 王树森 深度强化学习 L7 — 均匀随机排列与 Fisher-Yates 算法
- 王树森 深度强化学习 L8,9,10 — TD-learning
- 王树森 深度强化学习 L10,11,12 — 价值学习高级技巧
- 王树森 深度强化学习 L13,14,15,16 — 策略梯度中的 baseline
- 王树森 深度强化学习 L17,18,19 — 连续控制
CS285¶
- CS285 强化学习课程笔记 — Laurie
- CS 285 MBRL 理论分析和 HW4 — justopit
- CS 285 Q-Learning 和 HW3
- CS 285 策略梯度和 HW2
- CS 285 学习 — justopit
CMU10414¶
其他¶
机器学习(ML)¶
- Andrew Ng 机器学习课程笔记 — amaranth
- 概率图模型&机器学习 — - 精确推断方法 — - 变量消去(Variable Elimination)和信念传播(Belief Propagation) — 伊犁纯流莱 — 博客园
- Mathematical-Foundation-of-Reinforcement-Learning
- ML system 入坑指南
- Machine Learning Systems 课程
- CacheBlend:面向 RAG 的缓存知识融合与大模型推理加速 — 论文提出 CacheBlend,通过复用知识缓存加速检索增强生成场景中的大语言模型推理。
- 机器学习工程
相关资料¶
- 我模拟了一万个 Polymarket 赛季:只有 3 种策略存活了下来
- 王树森推荐系统课程笔记 — Kinnari
- Geoffrey Hinton 带你拆解 AI“理解” 的本质 — IASEAI 2025
- V-JEPA 2 与 JEPA 架构分析
- A/B 实验中的样本选择偏差分析