强化学习算法在多领域的应用 - 飞书文档
https://docs.feishu.cn/v/wiki/GIzNwJDzni1o0rkKfgscIZPonKg/a4强化学习是另一种重要的AI 算法类型。强化学习通过与环境进行交互来学习最优的行为策略。在强化学习中，智能体根据环境的反馈来调整自己的行为，以获得最大的奖励。这 ...
飞搜侠
热门搜索
强化学习博弈论：多智能体协作效率提升47% - 飞书文档
https://docs.feishu.cn/v/wiki/OS6cw8XfFiN83okxr2CcNXaOnDe/a9本文将通过多维视角，解码AI技术发展的底层逻辑与未来图景。 ---. 第一章算法进化论：从代码丛林到智能生态. 1.1 神经网络的三次觉醒. **混合专家系统（MoE）**在深度 ...
强化学习的核心算法有哪些创新？ - 飞书文档
https://docs.feishu.cn/v/wiki/Oxc2wiB6xi9IPYkxN7vcYptSnRh/ab... 强化学习进行优化。另一种方法是采用多智能体强化学习，通过多个智能体之间的协作和竞争来提高学习效率和适应能力。 强化学习作为人工智能领域的一个重要分支，具有 ...
如何通过强化学习实现智能体的最优行为？ - 飞书文档
https://docs.feishu.cn/v/wiki/X8WZwBW9jiynLhkGOd2cBB56nMc/aa在这里，AlphaGo 与自己进行对抗，并尝试完善其选择棋步的策略（策略网络）以评估谁将获胜（价值网络）。即使只是训练策略网络，这种也比之前最著名的围棋算法（称为Pachi）要好得多 ...
综述：探索基于大型语言模型的智能体：定义、方法与前景 - 飞书文档
https://docs.feishu.cn/article/wiki/Ms10w3VufiBel3kXwDJcq2zxnue? 样本效率: 基于强化学习的智能体通常需要在学习出有效策略之前与环境进行多个周期的交互。这种高样本 ...
Q-learning算法是什么？ - 入门指南：强化学习 - 飞书文档
https://docs.feishu.cn/v/wiki/Lt5PwX7Zqi0oeCkPlglcDgZDn7b/a7MDP 根据奖励函数和状态转移函数得到St+1和Rt 并反馈给智能体。智能体的目标是最大化得到的累计奖励，所以会根据当前状态从动作的集合A中选择一个动作的函数，被称为策略， ...
构建AI智能体课程中强化学习的关键是什么？ - 飞书文档
https://docs.feishu.cn/v/wiki/Wk25wICJNicEyQk0yE1clguSnQe/ab例如，是要构建一个能够回答历史问题的智能体，还是一个能够进行简单对话的智能体。然后，根据目标选择合适的算法和模型。在LangGraph中，有多种可供选择的算法，如神经网络、 ...
入门指南：强化学习 - 飞书云文档
https://waytoagi.feishu.cn/wiki/Lt5PwX7Zqi0oeCkPlglcDgZDn7b在很多强化学习里面，学习深度强化学习的第一个算法都 ... 3. 奖励（Reward）：智能体根据执行动作和观察结果获得的奖励。. 强化学习的核心思想是基于试错学习，即智能体 ...
在Stable Baselines3 中轻松训练强化学习智能体 - 飞书文档
https://docs.feishu.cn/article/wiki/IouwwpE4niswRYkNz7uc8QtAnng接下来，我们需要选择一种合适的强化学习算法。不同的算法适用于不同的问题和场景，因此我们需要根据具体情况进行选择。例如，DQN 算法适用于离散动作空间的 ...
多任务强化学习：提升样本效率和模型泛化能力 - 飞书文档
https://docs.feishu.cn/v/wiki/JHvJw3mOpiC1uWkVe2ycF86nnqc/ag项目采用VR 头盔作为接口，实现对机器人的精确控制，并结合强化学习算法，提升机器人的自主决策能力。 ... 多任务强化学习（MTRL）旨在训练智能体同时应对多个任务，提升样本效率和 ...