论文精读与学习笔记
价值函数 V、Q 和策略 π 的训练。包含公式推导与算法对照。
计划精读视觉网页智能体的在线多轮强化学习方法,整理阅读笔记。
计划精读工具使用与长任务相关的智能体强化学习工作,整理方法和问题。
计划跟随课程讲义和实验学习,整理公式推导与课程笔记。