2025年8月6日
Policy Gradient原理和Python实现
摘要： 今天重温一下RL on-policy算法的始祖：Policy Gradient算法。第一节先讲原理。第二节讲Python代码实现。第三节讲Policy Gradient算法的引申思考。 一、Policy Gradient原理 要讲Policy Gradient算法，需要先简要介绍一下Markov奖励 阅读全文
posted @ 2025-08-06 20:47 Cainan_Guan 阅读(33) 评论(0) 推荐(0)
2025年8月4日
开篇博客
摘要： 本人在学习和工作中发现，LLM领域作为一个较新的、蓬勃发展的领域，有许许多多零碎的知识点。而这些知识点每次在遇到的时候，通过查找一些资料可能在当下略懂一二了，后续也不在复习和深究，没两天可能就忘了。所以我想了一个用博客简要记录这些零碎知识的办法。 本博客现在的主要目的是记录本人在LLM和RL领域学习 阅读全文
posted @ 2025-08-04 23:08 Cainan_Guan 阅读(6) 评论(0) 推荐(0)