强化学习
强化学习解决什么类型的问题？
原题Agent、Environment、State、Action、Reward 分别是什么？
原题强化学习和监督学习、无监督学习有什么区别？
原题MDP、价值函数、策略函数的核心概念是什么？
原题Q-Learning、DQN、Policy Gradient、Actor-Critic 如何对比？
原题Q-Learning 和 DQN 的核心区别是什么？
原题Policy Gradient 为什么能直接优化策略？
原题Actor-Critic 和 PPO 为什么高频？
原题RLHF 的三阶段流程是什么？
原题PPO 在 RLHF 中起什么作用？
原题
暂无题目