强化学习与对齐
演员-评论员算法框架中的评论员起了什么作用？
原题简述异步优势演员-评论员算法的优势函数。
原题请简述一下深度确定性策略梯度算法。
原题请问深度确定性策略梯度算法是同策略算法还是异策略算法？请说明具体原因并分析。
原题你是否了解过分布的分布式深度确定性策略梯度算法（distributed distributional deep deterministic policy gradient，D4PG）呢？请描述一下吧。
原题请问什么是重要性采样呀？
原题请问同策略和异策略的区别是什么？
原题近端策略优化（proximal policy optimization，PPO）
原题请简述一下近端策略优化算法。其与信任区域策略优化算法有何关系呢？
原题解决稀疏奖励的方法有哪些？
原题
暂无题目