原文：OpenAI重磅免费的强化学习最强修炼系列 | 算法基础（22）
深度强化学习导引
宋_JL    阅715    转6
ChatGPT第二弹：PPO算法
520jefferson    阅1971    转5
推特爆款：谷歌大脑工程师的深度强化学习劝退文
万语千言525    阅265    转2
IEEE预发：DeepMind主攻的深度强化学习3大核心算法及7大挑战
点画狼藉    阅796    转5
【ICML2018】63篇强化学习论文全解读
yangtz008    阅383    转3
可视化解释的强化学习（第6部分）：分步实施的策略梯度
新用户0175WbuX    阅47
如何一文读懂「进化策略」？这里有几组动图！
taomaohu860706    阅79
RL之PG：基于TF利用策略梯度算法玩Cartpole游戏实现智能得高分
处女座的程序猿    阅10
强化学习必知二要素：计算效率和样本效率
taotao_2016    阅164
【重磅】马斯克的AI野心——OpenAI Gym系统深度解析
刘真合    阅175
快速上手深度强化学习？学会TensorForce就够了
玉宇书房    阅495
是时候抄底了？Python强化学习炒股，走向人生巅峰（或倾家荡产）
heii2    阅297    转3
深度增强学习暑期学校 PPT讲解 | 36大数据
暖宝宝j    阅428    转2
一个求解零和博弈的通用框架：让人工智能自己发现算法
长沙7喜    阅19
深度强化学习入门，这一篇就够了！
LibraryPKU    阅13125    转85
（转）搜索引擎中网络爬虫的搜索策略
A_Geek    阅504    转10
逻辑斯蒂回归（Logistic Regression）
大数据部落    阅365
ICML 2016 谷歌 DeepMind 论文上辑（大咖点评附下载）
LZS2851    阅493    转3
MuZero：用学习模型规划MuZero玩转雅达利、围棋、国际象棋和日本将棋
印度阿三17    阅161
使用价值迭代网络进行规划
黄元昌5533    阅266
RLHF中的「RL」是必需的吗？有人用二进制交叉熵直接微调LLM，效果更好
天承办公室    阅17
强化学习的基本迭代方法
四地贤夫    阅170
B站学强化学习？港中文周博磊变身up主，中文课程已上线
托尼虎    阅72
Nature重磅：OpenAI科学家提出全新增强学习算法，玩游戏可完胜人类，或推动AI向真正智能学习体进化
学术头条    阅67
Learning to Rank算法介绍：RankNet，LambdaRank，LambdaMart
Clay*more    阅25