阅读排行榜

如何 kill 掉所有跟 wandb 相关的进程

MoonOut 2024-04-22 11:31 阅读:846 评论:0 推荐:0

线性代数 · 矩阵 · Matlab | Moore-Penrose 伪逆矩阵代码实现

MoonOut 2023-11-11 12:01 阅读:844 评论:0 推荐:0

凸优化 | 期末复习笔记存档

MoonOut 2024-02-06 11:02 阅读:832 评论:0 推荐:0

未来的可再生能源电网：FREEDM 论文阅读

MoonOut 2022-08-04 11:29 阅读:764 评论:1 推荐:0

应用随机过程 | 泊松过程、指数分布、事件到达率

MoonOut 2025-02-25 14:27 阅读:762 评论:0 推荐:0

PbRL · offline RL | OPRL：发现部分 D4RL tasks 不适合做 offline reward learning

MoonOut 2023-11-13 18:11 阅读:719 评论:0 推荐:0

Contrastive Learning 对比学习 | RL 学 representation 时的对比学习

MoonOut 2024-11-26 12:24 阅读:676 评论:0 推荐:0

PbRL | 速通 ICLR 2024 RLHF · PbRL

MoonOut 2024-01-21 11:17 阅读:663 评论:0 推荐:0

应用随机过程 | 期末知识点总结

MoonOut 2025-02-07 04:19 阅读:642 评论:0 推荐:0

Markdown · Typora | 基本画图技巧

MoonOut 2023-10-07 20:53 阅读:641 评论:0 推荐:0

PbRL | PEBBLE：通过 human preference 学习 reward model

MoonOut 2023-11-09 20:40 阅读:629 评论:0 推荐:0

RL 基础 | Policy Iteration 的收敛性证明

MoonOut 2023-11-02 10:44 阅读:618 评论:3 推荐:0

python · matplotlib | seaborn 画图与调整图例位置

MoonOut 2024-02-20 11:29 阅读:616 评论:0 推荐:0

Python · Jax | 在 python 3.8 上安装 jax，运行 offline RL 的 IQL

MoonOut 2025-01-23 11:47 阅读:614 评论:0 推荐:0

off-policy RL | Advantage-Weighted Regression (AWR)：组合先前策略得到新 base policy

MoonOut 2023-11-13 20:40 阅读:612 评论:0 推荐:0

PbRL | RUNE：鼓励 agent 探索 reward model 更不确定的 (s,a)

MoonOut 2023-11-10 17:43 阅读:585 评论:0 推荐:3

RL | 速读 IJCAI 2025 的强化学习论文

MoonOut 2025-10-08 20:53 阅读:555 评论:4 推荐:1

LLM · Agent | 使用 LLM agent 玩各种游戏

MoonOut 2025-03-10 13:57 阅读:555 评论:0 推荐:0

线性代数 · 矩阵 · Matlab | Cholesky 分解代码实现

MoonOut 2023-11-01 14:23 阅读:549 评论:0 推荐:0

PID 控制 |（搬运）教程与 python 代码

MoonOut 2024-02-17 10:55 阅读:540 评论:0 推荐:0