马尔可夫决策过程

第四章机器学习 -- 马尔可夫决策过程马尔可夫决策过程（Markov Decision Process, MDP）是强化学习最常用的数学形式化。一个 MDP 由五元组 ⟨S,A,P,R,γ⟩\langle \mathcal{S}, \mathcal{A}, P, R, \gamma \rangle⟨S,A,P,R,γ⟩ 描述：

汤姆和佩琦

LLMs基础学习（八）强化学习专题（1）这部分是为想学习强化学习的人准备的 “知识储备库”，提供不同形式的学习素材：这部分用简洁表述，把强化学习本质提炼出来：

我是有底线的