我的随笔

上一页 1 2 3 4 5 6 下一页
发布「月出兮彩云归」的新 icon
MoonOut 2024-03-21 16:55 阅读:45 评论:0 推荐:0
RL 基础 | Policy Gradient 的推导
MoonOut 2024-03-21 16:46 阅读:381 评论:0 推荐:0
offline RL | D4RL：最常用的 offline 数据集之一
MoonOut 2024-03-09 17:36 阅读:2337 评论:0 推荐:0
Contrastive Learning 对比学习 | 何恺明大神的 SimSiam
MoonOut 2024-03-07 20:40 阅读:1554 评论:0 推荐:0
offline RL · PbRL | Preference Transformer：反正感觉 transformer 很强大
MoonOut 2024-03-06 12:57 阅读:356 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:279 评论:1 推荐:0
offline RL · PbRL | OPPO：PbRL 场景的 offline hindsight transformer
MoonOut 2024-02-27 21:38 阅读:142 评论:0 推荐:0
offline RL | HIM：基于 hindsight 的 RL 是一类大 idea
MoonOut 2024-02-27 21:08 阅读:399 评论:0 推荐:0
offline RL | 读读 Decision Transformer
MoonOut 2024-02-27 20:14 阅读:918 评论:0 推荐:2
python · matplotlib | seaborn 画图与调整图例位置
MoonOut 2024-02-20 11:29 阅读:598 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:524 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:243 评论:0 推荐:0
offline 2 online | 重要性采样，把 offline + online 数据化为 on-policy samples
MoonOut 2024-02-07 14:08 阅读:411 评论:0 推荐:1
凸优化 | 期末复习笔记存档
MoonOut 2024-02-06 11:02 阅读:721 评论:0 推荐:0
概率图 | 两次小测的笔记存档
MoonOut 2024-02-06 10:47 阅读:113 评论:0 推荐:0
复杂系统 | 20240116 · 考试题目回忆版
MoonOut 2024-02-06 10:37 阅读:65 评论:0 推荐:0
复杂系统 | 考前知识点总结（不完全）
MoonOut 2024-02-06 10:37 阅读:93 评论:0 推荐:1
随记 | 20240126 · 我已被“贪嗔痴”的“痴”折磨将近二十年
MoonOut 2024-02-05 22:24 阅读:4 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:283 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:183 评论:0 推荐:0
PbRL | 速通 ICLR 2024 RLHF · PbRL
MoonOut 2024-01-21 11:17 阅读:643 评论:0 推荐:0
Tmux | 常用操作存档
MoonOut 2024-01-18 19:47 阅读:79 评论:0 推荐:0
“嵌套分区法，是一种良策；将海洋分成块，每块都探测。”
MoonOut 2024-01-13 11:06 阅读:148 评论:1 推荐:0
观后感 | 《黑门》很好看，想安利给全世界
MoonOut 2023-12-17 16:15 阅读:98 评论:1 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:214 评论:0 推荐:0
PbRL | QPA：选择 near on-policy query，加速 policy learning 收敛速度
MoonOut 2023-12-17 15:28 阅读:140 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:257 评论:0 推荐:0
概率图模型 · 蒙特卡洛采样 · MCMC | 非常好的教学视频
MoonOut 2023-11-28 15:34 阅读:52 评论:0 推荐:0
offline RL | BCQ：学习 offline dataset 的 π(a|s)，直接使用 (s, π(s)) 作为 Q learning 训练数据
MoonOut 2023-11-27 21:29 阅读:379 评论:0 推荐:0
RL 基础 | 讲的很好的 TRPO 博客
MoonOut 2023-11-27 15:47 阅读:60 评论:0 推荐:0
offline RL | IQL：通过 sarsa 式 Q 更新避免 unseen actions
MoonOut 2023-11-25 20:12 阅读:961 评论:0 推荐:0
offline RL | TD3+BC：在最大化 Q advantage 时添加 BC loss 的极简算法
MoonOut 2023-11-19 17:02 阅读:1066 评论:0 推荐:0
概率图 · 概率论基础 | 讲的非常好的 KL 散度博客
MoonOut 2023-11-16 16:36 阅读:40 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:578 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:709 评论:0 推荐:0
PbRL | SURF：使用半监督学习，对 labeled segment pair 进行数据增强
MoonOut 2023-11-11 20:16 阅读:436 评论:0 推荐:1
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:799 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:576 评论:0 推荐:3
PbRL | PEBBLE：通过 human preference 学习 reward model
MoonOut 2023-11-09 20:40 阅读:609 评论:0 推荐:0
offline RL | CQL：魔改 Bellman error 更新，得到 Q 函数 lower-bound
MoonOut 2023-11-07 15:12 阅读:1225 评论:0 推荐:3
上一页 1 2 3 4 5 6 下一页