会员服务
强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。 该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。
ACM MM 2026 | MAR-GRPO：稳定混合图像生成的强化学习训练
ACM MM 2026 | MAR-GRPO：稳定混合图像生成的强化学习训练
专知会员服务
10+阅读 · 7月17日
《强化学习在空对空战机战术中的应用》50页
《强化学习在空对空战机战术中的应用》50页
专知会员服务
22+阅读 · 7月6日
ICML 2026｜MEMOPILOT：用强化学习训练会进化的智能体记忆
ICML 2026｜MEMOPILOT：用强化学习训练会进化的智能体记忆
专知会员服务
9+阅读 · 6月13日
《通过自然语言与强化学习奖励机制将军事条令与目标融入AI智能体》
《通过自然语言与强化学习奖励机制将军事条令与目标融入AI智能体》
专知会员服务
18+阅读 · 6月9日
【伯克利博士论文】基于动作分块策略的强化学习
【伯克利博士论文】基于动作分块策略的强化学习
专知会员服务
12+阅读 · 6月7日
Transformer增强强化学习：通信网络基础与应用综述
Transformer增强强化学习：通信网络基础与应用综述
专知会员服务
13+阅读 · 6月7日
《推进军事决策支持：运用强化学习驱动仿真的稳健作战计划验证》
《推进军事决策支持：运用强化学习驱动仿真的稳健作战计划验证》
专知会员服务
19+阅读 · 6月3日
ICML2026 | LAVL：离线目标条件强化学习中的潜在表示对齐
ICML2026 | LAVL：离线目标条件强化学习中的潜在表示对齐
专知会员服务
9+阅读 · 5月26日
【博士论文】面向可扩展且可信智能系统的强化学习
【博士论文】面向可扩展且可信智能系统的强化学习
专知会员服务
14+阅读 · 5月13日
【博士论文】基于信息论探索的强化学习与控制：安全性、最优性及其应用研究
【博士论文】基于信息论探索的强化学习与控制：安全性、最优性及其应用研究
专知会员服务
16+阅读 · 5月9日
生成-过滤-控制-重放：LLM强化学习中Rollout策略的全面综述
生成-过滤-控制-重放：LLM强化学习中Rollout策略的全面综述
专知会员服务
10+阅读 · 5月8日
【ICML Spotlight 2026】 T²PO: 不确定性引导的探索控制框架，实现稳定多轮Agentic强化学习
【ICML Spotlight 2026】 T²PO: 不确定性引导的探索控制框架，实现稳定多轮Agentic强化学习
专知会员服务
11+阅读 · 5月5日
《强化学习数学基础》
《强化学习数学基础》
专知会员服务
23+阅读 · 4月26日
《基于强化学习的反无人机蜂群拦截优先级排序》
《基于强化学习的反无人机蜂群拦截优先级排序》
专知会员服务
29+阅读 · 4月16日
【博士论文】知识引导的序列决策算法：图结构、专家示教、人类及跨智能体经验的融合研究
【博士论文】知识引导的序列决策算法：图结构、专家示教、人类及跨智能体经验的融合研究
专知会员服务
21+阅读 · 4月10日
参考链接
维基百科
微信扫码咨询专知VIP会员
Top