共计 5 篇文章

---

2026

02-02

强化学习拾遗 —— 策略梯度定理的两种详细推导

02-02

强化学习拾遗 —— Off-policy 方法中的重要性采样比

02-02

强化学习拾遗 —— 表格型方法和函数近似方法中 Bellman 迭代的收敛性分析

02-02

强化学习拾遗 —— 强化学习的样本效率

02-02

强化学习拾遗 —— 再看奖励函数