技术栈
策略梯度
Nicolas893
4 个月前
大模型
·
llm
·
强化学习
·
策略梯度
·
dqn
·
rl
·
智能体
【大模型理论篇】强化学习RL与大模型智能体
大模型商业化，解决某类实际的业务问题，仅靠大模型本身其实存在很大的局限性，很多场景下不足以完全胜任真实业务需求【1】。
高颜值的殺生丸
7 个月前
强化学习
·
策略梯度
策略梯度玩 cartpole 游戏，强化学习代替PID算法控制平衡杆
cartpole游戏，车上顶着一个自由摆动的杆子，实现杆子的平衡，杆子每次倒向一端车就开始移动让杆子保持动态直立的状态，策略函数使用一个两层的简单神经网络，输入状态有4个，车位置，车速度，杆角度，杆速度，输出action为左移动或右移动，输入状态发现至少要给3个才能稳定一会儿，给2个完全学不明白，给4个能学到很稳定的policy
云端FFF
1 年前
a2c
·
reinforce
·
baseline
·
策略梯度
·
基线
RL 实践（6）—— CartPole【REINFORCE with baseline & A2C】
本次实验使用 gym 自带的 CartPole-V0 环境。这是一个经典的一阶倒立摆控制问题，agent 的任务是通过左右移动保持车上的杆竖直，若杆的倾斜度数过大，或者车子离初始位置左右的偏离程度过大，或者坚持时间到达 200 帧，则游戏结束