reward

爱听歌的周童鞋9 天前
rl·value·q-learning·policy·reward·steve brunton
Steve Brunton | Reinforcement Learning | 笔记 | Lecture 1 | 强化学习：机器学习与控制理论的交汇学习 Steven Brunton 讲授的强化学习入门概述视频，本篇文章记录第一讲：强化学习：机器学习与控制理论的交汇，记录下个人学习笔记，和大家一起分享交流😄
山顶夕景1 年前
llm·强化学习·rl·奖励函数·reward
【RLVR】GRPO中奖励函数的设计逻辑1、DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning 奖励函数：
我是有底线的