伶

摘要： 📌 论文概览 论文标题：Budget Constrained Bidding by Model-free Reinforcement Learning in Display Advertising 论文作者：Di Wu, Xiujun Chen, Xun Yang, Hao Wang, Qing 阅读全文

摘要： 📌 论文概览 论文标题：Strat-Reasoner: Reinforcing Strategic Reasoning of LLMs in Multi-Agent Games 论文作者：dong He * 1 Yutao Lai * 1 Pengxu Yang 1 Jiarui Gan 2 Ji 阅读全文

摘要： 这是一份老师要我做的招聘信息报告，我觉得对我了解现在的AI发展挺有帮助，就尽量在自己可理解的范围内做了。 自我手写 AI写得还是无法符合我的心意，但还是让我的阅读轻松了许多，特别是这么多术语和工作内容的描写。我的叙述仅仅出自于自我的想法。 从场景看，阿里的主要场景： 电商和其上下游场景 千问模型 阿 阅读全文

摘要： 广告智能竞价：从经典表格DP走向现代深度端到端强化学习 我正在做基于强化学习的广告投放(2026/7/14) 第一部分：WSDM 2017 —— RLB (基于强化学习的广告投放实时竞价) 一、 行业背景与问题形式化 1.1 业务背景 高动态竞价环境：实时竞价（RTB）环境波动剧烈，大盘流量供给、外 阅读全文

摘要： 引言： 在学习了《强化学习的数学原理》以后，我们有理论知识，但缺乏实践，于是我来学习《动手学强化学习》，学习了各种算法怎么用 PyTorch 具体实现。是的，之前我不会 PyTorch，没有做过以神经网络为基础的强化学习。 在《动手学强化学习》里我学习了更多的经典强化学习算法，了解前沿的强化学习方向 阅读全文

摘要： 《Transformer学习自我记录》 也是看了 Transformer，网上的优秀资料、视频、博客真的很多。我的 Transformer 学习入口是从这两篇博客开始的： AI领域经典论文清单-30篇 Transformer 论文精读与完整代码复现【Attention Is All You Need 阅读全文

摘要： 强化学习策略梯度方法再编 1. 离散动作的策略梯度表示 网络结构： 状态 \(s \rightarrow\) 网络 \(\rightarrow\) Softmax \(\rightarrow\) 每个动作的概率。 这就是用神经网络直接表示（参数化）策略 \(\pi_\theta\)。 目标函数的设计 阅读全文

摘要： DQN——只狼、俄罗斯方块、飞翔的小鸟——实验记录 实验人员：赵崇熙 实验记录更新时间：2026.04.19 项目开源仓库：https://github.com/Lingxiao43/DQN_play_flappybird 实验背景 在学习了《强化学习的数学原理》后，我们进一步进行实际代码书写，进行 阅读全文

摘要： 从 Whitted-style 到路径追踪的理论演进 一、 渲染方程的引入 我们从Whitted style ray tracing到路径追踪。 Whitted style 只追踪一条光线，只进行镜面反射和折射，缺少漫反射信息，开始基于物理，但实际是依然是对现实世界的较大简化。 于是进入了渲染方程， 阅读全文

摘要： 网上有很多关于 Gamma 校正的解释，有基于屏幕设计的，有基于存储的，大多基于以下两张图： LearnOpenGL： 第一行是人眼所感知到的正常的灰阶，亮度要增加一倍（比如从 \(0.1\) 到 \(0.2\)）你才会感觉比原来变亮了一倍（译注：我们在看颜色值从 \(0\) 到 \(1\)（从黑到 阅读全文