阅读排行榜

PbRL | 近两年论文阅读的不完全总结

MoonOut 2025-11-29 15:04 阅读:235 评论:0 推荐:2

RL · Exploration | ETD：使用时序距离构造 intrinsic reward，鼓励 agent 探索

MoonOut 2025-04-11 23:40 阅读:232 评论:1 推荐:0

Skill Discovery | METRA：让策略探索 state 的紧凑 embedding space

MoonOut 2025-07-18 23:32 阅读:231 评论:0 推荐:0

杂谈 | 十二井穴缓解新冠症状

MoonOut 2023-06-10 21:04 阅读:224 评论:0 推荐:0

python 基础 | 虚拟环境搭建全流程

MoonOut 2022-12-22 11:47 阅读:224 评论:1 推荐:0

TOEFL | 202307 改革 · 新版题型总结

MoonOut 2023-08-13 15:07 阅读:223 评论:0 推荐:0

游记 | 20221112 · 栖霞山赏枫 · 新街口探店

MoonOut 2022-11-14 15:56 阅读:223 评论:0 推荐:0

offline RL | Pessimistic Bootstrapping (PBRL)：在 Q 更新中惩罚 uncertainty，拉低 OOD Q value

MoonOut 2023-12-17 15:37 阅读:222 评论:0 推荐:0

游记 | 20230402 · 牛首山踏春 · 南京眼夜景

MoonOut 2023-04-06 16:02 阅读:221 评论:0 推荐:0

事件驱动优化：现实场景举例

MoonOut 2022-07-26 10:05 阅读:217 评论:0 推荐:0

2021北航计算机夏令营机试 T1 环形链表

MoonOut 2022-07-07 09:54 阅读:217 评论:0 推荐:0

PbRL | RIME：用交叉熵 loss 大小分辨 preference 是否正确 + 内在奖励预训练 reward model

MoonOut 2024-07-25 16:10 阅读:216 评论:0 推荐:0

Skill Discovery | LGSD：用描述 state 的语言 embedding 的距离，作为 metra 的 d(x,y) 距离约束

MoonOut 2025-07-16 17:50 阅读:209 评论:0 推荐:0

在有限 computational budget 下，借助 low-fidelity 模型提高精度

MoonOut 2023-04-15 18:56 阅读:209 评论:0 推荐:0

RL | 如何推导 MaxEnt RL（最大熵 RL）的策略形式 π(a|s) ∝ exp(Q(s, a))

MoonOut 2025-06-07 21:31 阅读:207 评论:0 推荐:0

论文速读记录 | 2024.12

MoonOut 2024-12-24 11:50 阅读:207 评论:1 推荐:0

RL 基础 | 如何注册自定义 gym 环境

MoonOut 2023-05-31 10:59 阅读:205 评论:0 推荐:0

基于梯度组合的多任务 / 多目标学习

MoonOut 2026-01-10 17:17 阅读:203 评论:0 推荐:1

offline RL | ABM：从 offline dataset 的好 transition 提取 prior policy

MoonOut 2024-01-21 11:26 阅读:202 评论:0 推荐:0

论文速读记录 | 2025.04

MoonOut 2025-04-01 15:10 阅读:201 评论:2 推荐:0