OpenAI o3 与 Monte-Carlo 思想

RL 学习笔记 #9 Actor-Critic 方法

RL 学习笔记 #8 策略梯度方法

RL 学习笔记 #7 值函数近似和 DQN 算法

RL 学习笔记 #6 时序差分学习算法

RL 学习笔记 #5 随机近似与随机梯度下降

RL 学习笔记 #4 蒙特卡洛学习算法

RL 学习笔记 #3 值迭代和策略迭代

RL 学习笔记 #2 贝尔曼公式

RL 学习笔记 #1 基本概念

常用 Prompt 合集

OpenAI o1 系列模型背后的技术猜测

手撕经典算法 #3 Transformer篇

手撕经典算法 #2 神经网络篇

手撕经典算法 #1 Attention篇