1. epsilon-greedy strategy
11111
2. UCB strategy
222
3. Softmax strategy
333
4. Gradient strategy
444
References
1 科学网---【RL系列】Multi-Armed Bandit笔记------Softmax选择策略 - 管金昱的博文
相关推荐
计科杨某人14 小时前
机器学习基本常识云和数据.ChenGuang2 天前
fastapi项目拆分实战数据模型林泽毅10 天前
PyTRIO快速入门实战篇（二）：用 GRPO 提升 GSM8K 数学推理准确率幻影123！13 天前
从零训练一个会下五子棋的AI我是小邵18 天前
Zero RL：当 AI 学会“顿悟“——零强化学习的狂欢与阵痛盼小辉丶19 天前
PyTorch强化学习实战（20）——优势演员-评论家（Advantage Actor-Critic, A2C）GRITJW19 天前
从固定数据到在线策略：SFT、RL 与 OPD 如何重塑模型分布阿木实验室22 天前
预设航线之外，无人机如何应对变化？一颗小树x1 个月前
《VLA 系列》AMP 代码复现 | 强化训练 | 行走 跌倒 恢复飞思实验室1 个月前
跨越算力鸿沟与不可微壁垒：GPU张量化仿真如何重塑多智能体强化学习？