我的随笔

1 2 3 4 5 6 下一页
Python · matplotlib | 简单的柱状图画图代码
MoonOut 2025-12-08 23:06 阅读:2 评论:0 推荐:0
offline meta-RL | 论文速读记录
MoonOut 2025-12-07 10:35 阅读:94 评论:0 推荐:1
论文速读记录 | 2025.12
MoonOut 2025-12-02 23:13 阅读:29 评论:0 推荐:0
PbRL | 近两年论文阅读的不完全总结
MoonOut 2025-11-29 15:04 阅读:172 评论:0 推荐:2
Prompt | 准备博士生开题
MoonOut 2025-11-28 17:49 阅读:11 评论:0 推荐:0
MORL | Envelope Q-Learning：有收敛性保证的 MORL 算法
MoonOut 2025-11-22 21:18 阅读:81 评论:0 推荐:1
数据中心 + 事件驱动优化：面向数据中心绿色可靠运行的强化学习方法
MoonOut 2025-11-22 16:10 阅读:19 评论:0 推荐:0
论文速读记录 | 2025.11
MoonOut 2025-11-02 12:25 阅读:64 评论:0 推荐:0
Skill Discovery | RGSD：基于高质量参考轨迹，预训练 skill space
MoonOut 2025-10-31 00:50 阅读:74 评论:0 推荐:1
RL | 速读 IJCAI 2025 的强化学习论文
MoonOut 2025-10-08 20:53 阅读:449 评论:4 推荐:1
论文速读记录 | 2025.10
MoonOut 2025-10-02 23:00 阅读:105 评论:0 推荐:0
Prompt | 通用 prompt 存档
MoonOut 2025-09-30 19:50 阅读:13 评论:0 推荐:0
Prompt | 快速生成五分钟 pre，用来讲自己的工作
MoonOut 2025-09-29 22:26 阅读:28 评论:0 推荐:0
Prompt | 如何申请软著
MoonOut 2025-09-29 22:10 阅读:39 评论:0 推荐:0
论文速读记录 | 2025.09
MoonOut 2025-09-02 14:16 阅读:78 评论:0 推荐:0
随记 | 20250808 · 换位思考与 meta 的想法
MoonOut 2025-08-08 18:42 阅读:1 评论:0 推荐:0
论文速读记录 | 2025.08
MoonOut 2025-08-06 14:10 阅读:55 评论:0 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:230 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:205 评论:0 推荐:0
Skill Discovery | FoG：使用 LLM / CLIP 给出 dodont 权重，以引导 agent 安全探索
MoonOut 2025-07-15 20:34 阅读:72 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:266 评论:0 推荐:1
论文速读记录 | 2025.07
MoonOut 2025-07-04 11:01 阅读:99 评论:0 推荐:0
RL | AIR-DREAM Lab 最新论文的速读
MoonOut 2025-06-13 22:15 阅读:121 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:188 评论:0 推荐:0
论文速读记录 | 2025.06
MoonOut 2025-06-01 07:14 阅读:106 评论:0 推荐:0
最近读的 MARL 文章
MoonOut 2025-05-11 17:43 阅读:158 评论:0 推荐:0
论文速读记录 | 2025.05
MoonOut 2025-05-02 17:47 阅读:145 评论:0 推荐:0
Git | 如何将一个 remote branch 拉到本地
MoonOut 2025-04-15 15:32 阅读:33 评论:0 推荐:0
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:219 评论:1 推荐:0
Linux | 如何创建一个 home 目录在 /data 磁盘的 sudo 用户
MoonOut 2025-04-02 16:52 阅读:432 评论:1 推荐:0
论文速读记录 | 2025.04
MoonOut 2025-04-01 15:10 阅读:191 评论:2 推荐:0
Conda | 如何在 Linux 服务器安装 miniconda
MoonOut 2025-03-31 14:18 阅读:5442 评论:1 推荐:2
Docker | 如何在 Linux 服务器使用 docker
MoonOut 2025-03-19 00:24 阅读:1621 评论:0 推荐:1
LLM · Agent | 通过推断别人身份 + 别人对自己说话的看法，让 agent 在阿瓦隆中欺骗
MoonOut 2025-03-10 18:03 阅读:105 评论:0 推荐:0
LLM · Agent | 使用 LLM 的通识决策能力，玩星际争霸
MoonOut 2025-03-10 16:46 阅读:176 评论:0 推荐:0
LLM · Agent | 记忆模块 + 交流模块，让 agent 合作完成复杂任务
MoonOut 2025-03-10 16:22 阅读:513 评论:0 推荐:0
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:257 评论:0 推荐:0
LLM · Agent | 使用 LLM agent 玩各种游戏
MoonOut 2025-03-10 13:57 阅读:474 评论:0 推荐:0
随记 | 20250301 · 破开心中的晦暗之墙，继续在现实世界中前行
MoonOut 2025-03-01 21:59 阅读:1 评论:0 推荐:0
随记 | 20250208 · 应该去追求更大的期望
MoonOut 2025-03-01 19:53 阅读:1 评论:0 推荐:0
1 2 3 4 5 6 下一页