园龄：3年10个月粉丝：37 关注：8

RL 基础 | 讲的很好的 TRPO 博客

特意存档：知乎 | 如何看懂TRPO里所有的数学推导细节？

感觉把 idea 讲的很清楚（虽然没有特别仔细看…

上一篇offline RL | IQL：通过 sarsa 式 Q 更新避免 unseen actions

下一篇offline RL | BCQ：学习 offline dataset 的 π(a|s)，直接使用 (s, π(s)) 作为 Q learning 训练数据

本文作者：MoonOut

本文链接：https://www.cnblogs.com/moonout/p/17859526.html

版权声明：本作品采用知识共享署名-非商业性使用-禁止演绎 2.5 中国大陆许可协议进行许可。

posted @ 2023-11-27 15:47 MoonOut 阅读(37) 评论(0) 编辑收藏举报

刷新页面返回顶部

登录后才能查看或发表评论，立即登录或者逛逛博客园首页

【推荐】还在用 ECharts 开发大屏？试试这款永久免费的开源 BI 工具！
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步

1 Sibelius: Violin Concerto in D Minor, Op. 47:III. Allegro, ma non tanto Jascha Heifetz / Chicago Symphony Orchestra

Sibelius: Violin Concerto in D Minor, Op. 47:III. Allegro, ma non tanto - Jascha Heifetz / Chicago Symphony Orchestra

00:00 / 00:00

An audio error has occurred.