使用 DPO,DDPO,PPO 完成 LunarLander-v3

Jun 15, 2025 使用 DPO,DDPO,PPO 完成 LunarLander-v3

十分钟上手 MCP

Jun 12, 2025 十分钟上手 MCP

Prompt 分享/关于 Prompt 的一些看法

Jun 11, 2025 Prompt 分享/关于 Prompt 的一些看法

西湖大学 RL 第七课：时序差分学习

May 20, 2025 西湖大学 RL 第七课：时序差分学习

西湖大学 RL 第五课：蒙特卡洛方法

May 20, 2025 西湖大学 RL 第五课：蒙特卡洛方法