摘要：
鼓励 agent 探索与当前 episode 历史在到达时间（temporal distance）上较远的状态。 阅读全文
posted @ 2025-04-11 23:40
MoonOut
阅读(244)
评论(1)
推荐(0)
摘要：
在 ubuntu 服务器上，如何创建一个 home 目录在 /data 磁盘的 sudo 用户。 阅读全文
posted @ 2025-04-02 16:52
MoonOut
阅读(502)
评论(1)
推荐(0)
摘要：
2025.04 | 速读文章纪录 阅读全文
posted @ 2025-04-01 15:10
MoonOut
阅读(209)
评论(2)
推荐(0)
摘要：
如何在 Linux（Ubuntu）系统安装 miniconda。 阅读全文
posted @ 2025-03-31 14:18
MoonOut
阅读(7097)
评论(1)
推荐(2)
摘要：
不明觉厉的记下了…… 阅读全文
posted @ 2025-03-19 00:24
MoonOut
阅读(1952)
评论(0)
推荐(1)
摘要：
这篇工作或许为需要隐藏身份和欺骗的游戏，提供了一个有效的 prompt 模板。 阅读全文
posted @ 2025-03-10 18:03
MoonOut
阅读(131)
评论(0)
推荐(0)
摘要：
这篇工作或许可以作为一个 即时战略游戏 的 prompt 参考模板。 阅读全文
posted @ 2025-03-10 16:46
MoonOut
阅读(201)
评论(0)
推荐(0)
摘要：
感觉性能好的关键原因：1. prompt 写得好，可以高效沟通；2. agent 记忆的信息形式很简洁。 阅读全文
posted @ 2025-03-10 16:22
MoonOut
阅读(548)
评论(0)
推荐(0)
摘要：
这篇文章使用 LLM 生成了各种 MineCraft 的 skill，但没有利用 LLM 的通识能力，感觉不算 LLM agent 的工作。 阅读全文
posted @ 2025-03-10 15:05
MoonOut
阅读(286)
评论(0)
推荐(0)
摘要：
读了一些 LLM agent 玩各种游戏的论文。 阅读全文
posted @ 2025-03-10 13:57
MoonOut
阅读(621)
评论(0)
推荐(0)
摘要：
2025.03 | 速读文章纪录 阅读全文
posted @ 2025-03-01 19:40
MoonOut
阅读(145)
评论(0)
推荐(1)
摘要：
询问 deepseek 泊松过程、指数分布和事件到达率的含义。 阅读全文
posted @ 2025-02-25 14:27
MoonOut
阅读(820)
评论(0)
推荐(0)
摘要：
出分后发布笔记…… 阅读全文
posted @ 2025-02-07 04:34
MoonOut
阅读(491)
评论(0)
推荐(0)
摘要：
出分后发布笔记…… 阅读全文
posted @ 2025-02-07 04:19
MoonOut
阅读(665)
评论(0)
推荐(0)
摘要：
2025.02 | 速读文章纪录 阅读全文
posted @ 2025-02-03 03:49
MoonOut
阅读(171)
评论(3)
推荐(1)
摘要：
在 python 3.8 上安装 jax，运行 offline RL 的 IQL。 阅读全文
posted @ 2025-01-23 11:47
MoonOut
阅读(663)
评论(0)
推荐(0)
摘要：
MuJoCo 210 ~ mujoco_py==2.1.2.14，MuJoCo 200 ~ mujoco_py==2.0.2.8 阅读全文
posted @ 2025-01-12 15:20
MoonOut
阅读(2242)
评论(0)
推荐(0)
摘要：
2025.01 | 速读文章纪录 阅读全文
posted @ 2025-01-02 10:26
MoonOut
阅读(155)
评论(0)
推荐(1)
摘要：
① mv source target，② ln -s 真实路径 快捷方式路径 阅读全文
posted @ 2025-01-01 22:42
MoonOut
阅读(132)
评论(0)
推荐(0)
摘要：
2024.12 | 速读文章记录 阅读全文
posted @ 2024-12-24 11:50
MoonOut
阅读(214)
评论(1)
推荐(0)
摘要：
LiRE 的主要贡献（故事）：1. 构造 A>B>C 的 RLT，利用二阶偏好信息；2. 使用线性 reward model，提升 PbRL 性能。 阅读全文
posted @ 2024-11-30 16:07
MoonOut
阅读(305)
评论(0)
推荐(0)
摘要：
在 RL 的 representation learning 中，应用对比学习思想和 InfoNCE loss。 阅读全文
posted @ 2024-11-26 12:24
MoonOut
阅读(712)
评论(0)
推荐(0)
摘要：
记录一下最近复现 PPO 的过程…… 阅读全文
posted @ 2024-11-21 16:29
MoonOut
阅读(2582)
评论(0)
推荐(1)
摘要：
Deep reinforcement learning from human preferences 论文阅读，以及 PrefPPO 算法阅读。 阅读全文
posted @ 2024-11-20 15:16
MoonOut
阅读(323)
评论(0)
推荐(0)
摘要：
需实现 env.__init__() , obs = env.reset() , obs, reward, done, info = env.step(action) 函数。 阅读全文
posted @ 2024-11-11 22:53
MoonOut
阅读(941)
评论(0)
推荐(0)
摘要：
让 GPT 生成 UML 图的 plantUML 代码，然后在 plantUML 网站在线绘制。 阅读全文
posted @ 2024-10-15 19:22
MoonOut
阅读(953)
评论(0)
推荐(0)
摘要：
删除 git 目录：rm -rf .git 阅读全文
posted @ 2024-09-04 16:41
MoonOut
阅读(167)
评论(0)
推荐(0)
摘要：
torch.set_num_threads(8) 阅读全文
posted @ 2024-08-11 18:17
MoonOut
阅读(187)
评论(0)
推荐(0)
摘要：
在命令行执行 unset LD_PRELOAD 阅读全文
posted @ 2024-08-11 18:13
MoonOut
阅读(383)
评论(0)
推荐(0)
摘要：
官方教程：https://gist.github.com/saratrajput/60b1310fe9d9df664f9983b38b50d5da 阅读全文
posted @ 2024-07-31 17:57
MoonOut
阅读(299)
评论(0)
推荐(0)
摘要：
ssh-keygen -t rsa，然后将 .ssh/id_rsa.pub 中的内容，复制到 New SSH key 的框里。 阅读全文
posted @ 2024-07-31 16:31
MoonOut
阅读(94)
评论(0)
推荐(0)
摘要：
conda env export -n old_env > old_env_conda.yml , conda env create -n new_env -f old_env_conda.yml 阅读全文
posted @ 2024-07-31 11:40
MoonOut
阅读(870)
评论(0)
推荐(0)
摘要：
Google 搜索官方教程 + 换 tuna 源。 阅读全文
posted @ 2024-07-31 11:38
MoonOut
阅读(3457)
评论(0)
推荐(0)
摘要：
在远程创建 ~/.ssh/authorized_keys，把本地 .ssh/id_rsa.pub 的内容追加到 authorized_keys 里。 阅读全文
posted @ 2024-07-31 10:46
MoonOut
阅读(80)
评论(0)
推荐(0)
摘要：
① 假设正确样本的 CELoss 上限是 ρ，可推出错误样本相对 P_ψ(x) 分布的 KL 散度上限，从而筛出可信样本、翻转不可信样本；② 用归一化到 (-1,1) 的 intrinsic reward 预训练 reward model。 阅读全文
posted @ 2024-07-25 16:10
MoonOut
阅读(229)
评论(0)
推荐(0)
摘要：
D_KL(P||Q) = ∫p(x) log p(x) - ∫p(x) log q(x) = H(P) + H(P,Q) 阅读全文
posted @ 2024-07-25 12:35
MoonOut
阅读(430)
评论(0)
推荐(0)
摘要：
ELBO 用于最小化 q(z|s) 和 p(z|s) 的 KL 散度，变成最大化 p(x|z) 的 log likelihood + 最小化 q(z|s) 和先验 p(z) 的 KL 散度。 阅读全文
posted @ 2024-06-23 18:10
MoonOut
阅读(2352)
评论(0)
推荐(1)
摘要：
整理并发布本科四年的课程资料。 阅读全文
posted @ 2024-06-23 16:50
MoonOut
阅读(187)
评论(1)
推荐(0)
摘要：
使用 df.loc[len(df)] = {'key1': 123, 'key2': 234} 阅读全文
posted @ 2024-06-23 15:39
MoonOut
阅读(521)
评论(0)
推荐(0)
摘要：
电脑端：在同一个局域网下 + 共享文件夹；手机端：文件 app 连接服务器 + 照片 保存到文件。 阅读全文
posted @ 2024-06-12 11:19
MoonOut
阅读(1075)
评论(0)
推荐(0)
浙公网安备 33010602011771号