#强化学习
共 167 篇相关文章
RLEC：让大模型学会按置信度目标决定答或不答
RLEC 提出用强化学习训练单一 LLM 响应显式置信度目标：用户在提示中指定准确率 p，模型自主决定作答或弃权。文章解析此前方法失败的两大原因——奖励信号丢失与惩罚无界增长，以及 RLEC 的稳定奖励族与奖励调度设计。
SimPOTrans：用强化学习让离线语音翻译模型自适应同传
SimPOTrans 提出基于强化学习的两阶段后训练框架，让离线语音翻译模型自适应为对话式同传模型，无需合成读写轨迹或显式延迟优化，推理时通过调整语音分块大小灵活控制质量与延迟，在多个基准和语言方向上取得更优的质量—延迟权衡。
Hugging Face Journal Club：Score Centering如何稳定离线强化学习
Hugging Face Journal Club讨论的论文提出Score Centering方法，通过数学修正消除推理与训练不匹配导致的漂移，在极端量化下稳定LLM强化学习训练，top-k近似实现高效计算。
Kaggle新手友好强化学习竞赛推荐：实战入门指南
为强化学习新手推荐适合的Kaggle竞赛类型与选择原则，涵盖经典控制、模拟策略等方向，并提供利用公开Notebook和讨论区高效学习的实战建议。
DIY双足机器人CBR-II：强化学习从仿真到真机部署
DIY双足机器人CBR-II项目总结：开发者用强化学习训练行走策略，完成从仿真到真机的部署，机器人已能行走和单腿站立，展示了个人项目在双足平衡控制上的实践成果。
MCTS理论脆弱性引热议：蒙特卡洛树搜索能否保证收敛与实用？
Reddit网友质疑MCTS理论脆弱性：能否收敛到最优策略？是否真的实用？本文回顾MCTS原理，分析其收敛条件与真实场景适用性，呈现社区观点碰撞。
AI用2.5天打造JAX环境，让《Getting Over It》智能体胜率85%
Reddit 用户借助 Opus 5.5 构建 JAX 版《Getting Over It》环境，经 2.5 天训练，智能体在真实游戏胜率达 85%，展示 LLM 驱动环境生成的潜力。
如何高效啃完Sutton & Barto强化学习圣经？
针对Sutton & Barto《强化学习》教材的阅读方法指南，提供分阶段阅读策略、视频与代码结合技巧，帮助初学者克服理论书籍的枯燥感，高效掌握强化学习基础。
RobustRLlib：17种鲁棒强化学习算法的统一基准库
RobustRLlib是一个统一的鲁棒强化学习算法库与基准，整合17种在线、离线与安全RL算法，覆盖273种扰动配置，揭示当前鲁棒RL的能力边界与差距，开源可扩展。
NVIDIA GTC柏林焦点：Microduck双足机器人如何革新强化学习
NVIDIA GTC柏林站上，Pollen Robotics的Microduck双足机器人成为焦点。这款专为强化学习设计的开发工具，以微型双足平台降低研究门槛，配套软件栈兼容主流RL框架，展现从仿真到实体的闭环潜力。
用Rust写模拟器训练PPO智能体刷暗黑2重制版深渊
Reddit网友分享用Rust无头模拟器训练PPO智能体刷暗黑2重制版深渊：单CPU约20分钟、47.5万参数，奖励按刷图速率设计，死亡扣1000分，仅限离线使用。
Deel数据科学团队几小时跑通强化学习实验，GPU效率提升5倍
Deel数据科学团队使用Together post-training平台，几小时内完成RL实验配置，并在同一GPU容量上并行运行最多五个实验，大幅提升实验迭代效率。
PPO算法破解移动沙发难题，重建Gerver最优解
开发者利用PPO强化学习算法成功重建移动沙发问题的Gerver最优解，展示了AI在几何优化难题中的潜力。文章详细介绍了问题背景、方法、结果及局限性。
PPO算法破解移动沙发难题，重建经典Gerver沙发
探索PPO算法如何通过强化学习重建移动沙发问题的经典解Gerver沙发，展示AI在几何优化和数学发现中的潜力与局限。
蜂群思维=单个RL智能体？多臂老虎机等价性证明
一篇论文证明蜂群通过局部模仿进行的集体决策，在数学上等价于单智能体强化学习。N个盲目模仿者相当于N个并行环境采样，有效学习率为1/N。本文解读Maynard-Cross Learning算法的推导与影响。
强化学习通关《抡大锤》：63%进度背后的分布式训练策略
开发者用深度强化学习挑战《抡大锤》，智能体从底部攀爬至63%进度，卡在铁砧部分。项目开源，采用分治训练和CPU训练策略，寻求社区协作突破瓶颈。
用AI智能体在仿真中教机器人学会走路
NVIDIA开发者博客披露Microduck机器人项目：用AI智能体在仿真环境中教学机器人行走，涵盖障碍赛道设计、感知与平衡控制、仿真到现实迁移挑战，为机器人强化学习提供可复用训练管线参考。
黄仁勋GTC带火四只Microduck机器人：400美元的强化学习玩具
黄仁勋在NVIDIA GTC Berlin主题演讲中带四只Microduck机器人上台，Reddit网友热议：它是孩子学习强化学习与深度学习的趣味玩具，但400美元的价格让不少家庭犹豫。
