强化学习 · 论文 · 第 1 组

返回论文全景索引

本分块共 8 条，稳定上限为 100 条。

论文	Slug	难度	可信状态	简介
A3C — 多个 CPU 同时跑游戏，让 RL 不再吃 GPU	a3c-2016	unknown	UNVERIFIED	暂无独立描述；可先从标题与正文定位开始。
AlphaGo — 击败围棋世界冠军	alphago	unknown	UNVERIFIED	暂无独立描述；可先从标题与正文定位开始。
Decision Transformer — 把强化学习当成”文字接龙”	decision-transformer-2021	unknown	UNVERIFIED	暂无独立描述；可先从标题与正文定位开始。
DPO — Direct Preference Optimization	dpo	unknown	UNVERIFIED	暂无独立描述；可先从标题与正文定位开始。
DQN — Deep Q-Network	dqn	unknown	UNVERIFIED	暂无独立描述；可先从标题与正文定位开始。
MuZero — 不用规则也能下棋	muzero	unknown	UNVERIFIED	暂无独立描述；可先从标题与正文定位开始。
PPO — Proximal Policy Optimization	ppo	unknown	UNVERIFIED	暂无独立描述；可先从标题与正文定位开始。
RLHF Christiano 2017 — 人类偏好做奖励	rlhf-christiano	unknown	UNVERIFIED	暂无独立描述；可先从标题与正文定位开始。