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。
《采用强化学习开发战斗行为》100页
《采用强化学习开发战斗行为》100页
专知会员服务
22+阅读 · 2月15日
智能体世界模型：面向智能体化强化学习的无限合成环境
智能体世界模型：面向智能体化强化学习的无限合成环境
专知会员服务
20+阅读 · 2月11日
金融决策中的强化学习：关于性能、挑战与实施策略的系统性综述
金融决策中的强化学习：关于性能、挑战与实施策略的系统性综述
专知会员服务
18+阅读 · 1月3日
因果强化学习的统一框架：综述、分类体系、算法与应用
因果强化学习的统一框架：综述、分类体系、算法与应用
专知会员服务
34+阅读 · 2025年12月24日
【AAAI2026】善始则事半功倍：基于前缀优化的大语言模型推理强化学习
【AAAI2026】善始则事半功倍：基于前缀优化的大语言模型推理强化学习
专知会员服务
13+阅读 · 2025年12月19日
大语言模型智能体强化学习：全景综述
大语言模型智能体强化学习：全景综述
专知会员服务
43+阅读 · 2025年12月18日
【博士论文】多目标奖励与偏好优化：理论与算法
【博士论文】多目标奖励与偏好优化：理论与算法
专知会员服务
32+阅读 · 2025年12月12日
【博士论文】受脑启发的规划：提升强化学习泛化能力
【博士论文】受脑启发的规划：提升强化学习泛化能力
专知会员服务
14+阅读 · 2025年11月13日
《基于强化学习、动态规划与列生成的大规模优化方法》MIT 博士论文
《基于强化学习、动态规划与列生成的大规模优化方法》MIT 博士论文
专知会员服务
34+阅读 · 2025年11月8日
基于强化学习的智能体化搜索全面综述：基础、角色、优化、评估与应用
基于强化学习的智能体化搜索全面综述：基础、角色、优化、评估与应用
专知会员服务
23+阅读 · 2025年10月22日
用于强化学习的扩散模型：基础、分类与发展
用于强化学习的扩散模型：基础、分类与发展
专知会员服务
23+阅读 · 2025年10月15日
【NeurIPS2025】熵正则化与分布强化学习的收敛定理
【NeurIPS2025】熵正则化与分布强化学习的收敛定理
专知会员服务
12+阅读 · 2025年10月12日
【博士论文】面向排序与扩散模型的安全、高效与鲁棒强化学习
【博士论文】面向排序与扩散模型的安全、高效与鲁棒强化学习
专知会员服务
13+阅读 · 2025年10月6日
【NTU博士论文】利用强化学习与生成模型推动可靠且具备泛化能力的决策
【NTU博士论文】利用强化学习与生成模型推动可靠且具备泛化能力的决策
专知会员服务
20+阅读 · 2025年10月2日
强化学习遇见大语言模型：贯穿 LLM 生命周期的进展与应用综述
强化学习遇见大语言模型：贯穿 LLM 生命周期的进展与应用综述
专知会员服务
37+阅读 · 2025年9月23日
参考链接
维基百科
微信扫码咨询专知VIP会员
Top