阅读排行榜

用线性二次模型建模大型数据中心，基于 MPC 进行冷却控制

MoonOut 2023-03-06 17:44 阅读:375 评论:0 推荐:0

DL 基础 | cs231n assignment 2

MoonOut 2021-10-05 21:10 阅读:367 评论:0 推荐:0

Multi-Fidelity RL | 多精度 simulator 中的 RL：一篇 14 年 ICRA 的古早论文

MoonOut 2023-04-03 17:26 阅读:355 评论:0 推荐:1

凸优化 | Lagrange 对偶：极大极小不等式的证明

MoonOut 2023-11-07 10:51 阅读:349 评论:1 推荐:0

时空图预测的方法论，以及 diffusion model 基本概念

MoonOut 2023-06-10 20:55 阅读:336 评论:0 推荐:0

概述：基于事件的优化方法 / 事件驱动优化 / Event-Based Optimization / EBO

MoonOut 2022-05-26 21:28 阅读:325 评论:0 推荐:0

Contrastive Learning 对比学习 | InfoNCE loss 与互信息的数学关联

MoonOut 2026-01-02 20:07 阅读:324 评论:0 推荐:0

PbRL | Christiano 2017 年的开山之作，以及 Preference PPO / PrefPPO

MoonOut 2024-11-20 15:16 阅读:312 评论:0 推荐:0

线性代数 | Jordan 标准型的笔记

MoonOut 2022-08-22 17:48 阅读:312 评论:0 推荐:0

贴个不知真假的 representation learning for RL 综述

MoonOut 2024-02-29 16:10 阅读:301 评论:1 推荐:0

offline 2 online | AWAC：基于 AWR 的 policy update + online 补充数据集

MoonOut 2024-02-05 21:50 阅读:297 评论:0 推荐:1

offline RL · PbRL | LiRE：构造 A>B>C 的 RLT 列表，得到更多 preference 数据

MoonOut 2024-11-30 16:07 阅读:289 评论:0 推荐:0

大四上 | 计算机综合课设（OS）· 答辩经验帖

MoonOut 2022-12-22 15:00 阅读:273 评论:0 推荐:0

Skill Discovery | DoDont：使用 do + don't 示例视频，引导 agent 学习人类期望的 skill

MoonOut 2025-07-14 12:38 阅读:271 评论:0 推荐:1

LLM · RL | Plan4MC：使用有向无环图 high-level planning + 基于 RL 执行 low-level policy

MoonOut 2025-03-10 15:05 阅读:268 评论:0 推荐:0

PbRL | B-Pref：生成多样非理性 preference，建立 PbRL benchmark

MoonOut 2023-11-30 21:21 阅读:267 评论:0 推荐:0

MuJoCo | 在 Linux 服务器安装 MuJoCo 210

MoonOut 2024-07-31 17:57 阅读:266 评论:0 推荐:0

事件驱动优化：理论

MoonOut 2022-05-28 19:44 阅读:259 评论:0 推荐:0

offline 2 online | Cal-QL：校准保守 offline 训出的 Q value，让它与真实 reward 尺度相当

MoonOut 2024-02-07 20:14 阅读:258 评论:0 推荐:0

python · ssh · SQL | python 连接远程 SQL 数据库

MoonOut 2023-10-07 21:03 阅读:242 评论:0 推荐:0