蘑菇書EasyRL
李宏毅老師的《深度強化學習》是強化學習領域經典的中文視頻之一。李老師幽默風趣的上課風格讓晦澀難懂的強化學習理論變得輕松易懂，他會通過很多有趣的例子來講解強化學習理論。比如老師經常會用玩 Atari 游戲的例子來講解強化學習算法。此外，為了教程的完整性，我們整理了周博磊老師的《強化學習綱要》、李科澆老師的《世界冠軍帶你從零實踐強化學習》以及多個強化學習的經典資料作為補充。對于想入門強化學習又想看中文講解的人來說絕對是非常推薦的。
本教程也稱為“蘑菇書”，寓意是希望此書能夠為讀者注入活力，讓讀者“吃”下這本蘑菇之后，能夠饒有興致地探索強化學習，像馬里奧那樣愈加強大，繼而在人工智能領域覓得意外的收獲。
摘要: Code highlighting produced by Actipro CodeHighlighter (freeware)
http://www.CodeHighlighter.com/
-->計算機畢業設計Python+Neo4j知識圖譜醫療問答系統 大模型
https://baijiahao.baidu.com/s?id=1815574648931972744... 閱讀全文
摘要: @import url(http://www.aygfsteel.com/CuteSoft_Client/CuteEditor/Load.ashx?type=style&file=SyntaxHighlighter.css);@import url(/css/cuteeditor.css);
@import url(http://www.aygfsteel.com/CuteSoft_Client/C... 閱讀全文
摘要: @import url(http://www.aygfsteel.com/CuteSoft_Client/CuteEditor/Load.ashx?type=style&file=SyntaxHighlighter.css);@import url(/css/cuteeditor.css);
從實踐案例介紹大模型應用經驗和思考
https://mp.weixin.qq.com/s/hcD0-z9... 閱讀全文
摘要: 本博客深入探討了群體相對策略優化（GRPO）背后的數學，GRPO是推動DeepSeek卓越推理能力的核心強化學習算法。我們將分解GRPO的工作原理、其關鍵組件，以及為什么它是訓練高級大型語言模型（LLM）的改變者。
GRPO的基礎
GRPO是什么？
群相對策略優化（GRPO）是一種強化學習（RL）算法，專門用于增強大型語言模型（LLM）的推理能力。與傳統的RL方法不同，RL方法嚴重依賴外部評... 閱讀全文