水区 - 话题 | RLChina 强化学习社区

W

W wanghz123 这家伙很懒，什么都没留下

发布于10天前

离线强化学习loss和收益的关系
目前在用离线强化学习算法 cql 做项目，缺少实际测试环境来验证策略，那么怎么根据模型的 critic loss 和 actor loss 判断模型是否收敛呢？目前发现 actor loss 在上升，但是通过对输出动作分析，发现还是学到了一些对的策略，但...

赞

评论

浏览 78

水区
cchenmy111 这家伙很懒，什么都没留下

发布于22天前

多智能体强化学习求助！
训练效果很好，奖励看着也收敛，最后的智能体表现在训练结束前的 100 个 episode 表现都不错，为什么最后保存下来的模型加载评估的时候效果大打折扣？已经开启了。eval()，然后评估时为了看智能体学习的程度，我没有更换评估的环境，仍然是之前训练的环境...

赞

评论 10

浏览 176

水区
dashang001 这家伙很懒，什么都没留下

发布于24天前
123123
赞

评论

浏览 95

水区
星

星星空713 这家伙很懒，什么都没留下

发布于2025-03-05 17:03:31

上海算法创新研究院：推理大模型算法实习生招聘(强化方向)
【简介】我们是上海算法创新研究院的大模型团队，成员来自于普林斯顿大学、卡内基梅隆大学、北京大学、上海交通大学、浙江大学、中科院等国内外知名高校和阿里、华为、美团等知名企业，具有丰富的研究和实践经验。我们致力于探索创建行业领先的大模型，为行业共性需求提供解决...

赞

评论

浏览 331

水区
Willing Star 这家伙很懒，什么都没留下

发布于2025-03-02 17:49:20

UCL强化学习派：汪军与他的学生们
拜读了文章 UCL 强化学习派：汪军与他的学生们，都是 RLC 课程上课的老师，亲切又敬佩。

赞 1

评论

浏览 360

水区
B

B BrandonLiu 这家伙很懒，什么都没留下

发布于2024-12-31 02:20:20

NeurIPS 2024 | DACER：扩散模型与在线强化学习强强联合创造新SOTA！
本文介绍清华大学智能驾驶课题组（iDLab）在 NeurIPS 2024 发表的最新研究成果《Diffusion Actor-Critic with Entropy Regulator》。该算法创新性地将扩散模型的反向过程作为策略函数，使在线强化学习算法能...

赞 1

评论

浏览 419

水区
R

R rlchina-baishi 这家伙很懒，什么都没留下

发布于2024-07-16 10:02:13

多智能体训练中，qmix、vdn发散而ippo缓慢收敛
代码使用的是 pymarl，环境是 cityflow，评价指标是 average travel time（越小越好），可见 ippo 的评价指标缓慢变小，qmix、vdn 直接发散了。导致发散的可能原因是什么呢？ ippo 收敛慢又是什么原因呢？ i...

赞

评论 3

浏览 755

水区
cloudpetticoats cs在读研究生

发布于2024-11-28 22:39:45

DQN求解优化问题总收敛到边界值？
大佬们，我正在用 GAT+DQN 求解一个离散优化问题，action 是 n 维的二进制变量（n 会变化，所以用 GAT），优化目标设定为一个正的即时奖励，还有两个约束，不满足约束会给一个大的负奖励，用 epsilong-greedy 随机探索二进制变量。...

赞

评论

浏览 263

水区
B

B buaacaver 这家伙很懒，什么都没留下

发布于2024-11-26 09:53:36

rlchina2024的多智能体合作与博弈专题视频回放在哪里看呢
找了官网和 b 站里的多智能体合作与博弈视频但是没找到，想问一下是后续会继续传到 b 站里吗？还是后面也不会再传了呀

赞

评论

浏览 251

水区
坤

坤坤坤@ubiquant 这家伙很懒，什么都没留下

发布于2024-11-04 14:48:36

【九坤投资】量化新星挑战赛|字符猎手挑战赛报名倒计时7天
亲爱的同学们：九坤第七届量化联赛第二期 | 字符猎手挑战赛正在火热报名中~报名倒计时7天！诚邀各位加入挑战！！！【赛题简介】本期赛题需要选手在字符识别的基础上按照规则完成消除游戏，得分高者即可胜出。比赛设总榜以及两个子榜单，子榜分别关注识别准确率和策略...

赞 1

评论

浏览 382

水区
J

J jjx 这家伙很懒，什么都没留下

发布于2024-10-22 14:03:53

MADDPG
GitHub 上开源的关于 maddpg 的代码环境都很老，配置一直错误怎么办？这是 openai 开源的代码：https://github.com/openai/maddpg 这是环境依赖：Known dependencies: Python (3.5...

赞

评论 1

浏览 347

水区
Jane 量化从业6年+/求贤若渴/不设阈值 wechat：Tangle_2013

发布于2024-10-22 20:34:20

【九坤投资】量化新星挑战赛|字符猎手挑战赛报名邀请函
亲爱的同学们：九坤第七届量化联赛第二期 | 字符猎手挑战赛正式开启报名！【赛题简介】本期赛题目标是让选手在交互式的游戏环境中，设计模型与游戏策略，确保模型能够准确识别游戏画面中的每个格子的字符类型，并合理执行动作，使得智能体获得游戏高分。本期比赛将着重...

赞 1

评论

浏览 478

水区
Error_666 Work hard, be nice.

发布于2024-10-07 22:39:11

TD时序差分算法的off-policy version的疑问
目前对 off-policy 的理解是，生成 experience 数据的 policy 与优化出的 policy 不同。那么如果是这样的话，与 on-policy 相比，感觉很难得到真正的最优 policy，因为它是在生成 experience 数据的...

赞

评论 2

浏览 458

水区
九

九九章二节这家伙很懒，什么都没留下

发布于2024-04-28 19:32:21

平台有考虑加个搜索功能吗？
翻旧贴很不方便

赞 4

评论 4

浏览 1139

水区
白辰甲（TeleAI）强化学习

发布于2024-08-19 14:59:20

具身智能实习生招聘（上海）
白辰甲课题组招收具身智能/强化学习方向实习生职责：进行相关科研工作，发表高水平国际学术论文。具体方向包括：强化学习方向，包含离线学习、多智能体学习、探索和表征、安全强化学习、偏好学习、迁移和泛化等主题。决策大模型，包括 LLM 规划，世界模型学习，多...

赞 1

评论

浏览 910

水区
T

T TJU-NF 这家伙很懒，什么都没留下

发布于2024-08-05 09:31:44

RLChina 论文研讨会第96期（2024.8.06直播）
导读论文研讨会是 RLChina 举办的学术活动，由 RL 领域不同研究团队轮流担任主持人，邀请一线研究人员针对特定论文做交流分享。第 96 期论文研讨会将由天津大学博士生倪飞主持，天津大学硕士生陈逸彬、天津大学博士生刘金毅和天津大学博士生李鹏翼为大家...

赞

评论 2

浏览 919

水区
POLIXIR 南栖仙策(Polixir)是南京大学人工智能创新研究院技术孵化企业，核心技术是通过推演亿万种决策的不同结果，找到通向未来的最优路径，实现现实世界自主决策系统。目前南栖仙策已研发出通用决策系统—仙启，开创性地提出数据驱动的虚拟环境构建技术，从少量历史交互数据中构建虚拟世界，寻找最优决策，避免在线试错的代价。

发布于2024-07-26 11:12:22

矢量智控L3级水务智能化——智慧加氯让生活用水无忧“氯”
近年来，随着居民对于用水安全和用水品质要求的不断提高，水处理技术和用水水质指标成为公众关注的焦点。加之国家相继颁布并完善了一系列法规，包括新国家标准《生活饮用水卫生标准》和《关于加强城市供水安全保障工作的通知》等，显现了政府对城镇供水这一重要民生工程的高度...

赞

评论

浏览 604

水区
Jane 量化从业6年+/求贤若渴/不设阈值 wechat：Tangle_2013

发布于2024-07-26 10:50:39

【九坤投资仲夏赛季】量化新星挑战赛|股票模拟交易赛报名邀请函
亲爱的同学们：九坤股票模拟交易赛正式开启报名！全球顶尖高手同台竞技体验真实的量化交易过一把 quant trader 瘾超丰厚奖金拿到手软【赛题简介】本次比赛平台为模拟股票交易所，该平台以真实股票市场数据为基础通过衍生数据进行模拟撮合交易；同时...

赞 2

评论 1

浏览 971

水区
张知临这家伙很懒，什么都没留下

发布于2024-07-13 22:40:11

适合RLer参加的国际大型比赛 - NeurIPS Competition 2024：Auto-Bidding in Large-Scale Auctions（大规模拍卖中的自动出价）
一：赛题介绍 NeurIPS 神经信息处理系统大会（Conference on Neural Information Processing Systems，简称 NeurIPS 2024 ），是人工智能和机器学习领域的国际顶级会议，也是 CCF 推荐的 A...

赞 2

评论

浏览 782

水区
Yuding 这家伙很懒，什么都没留下

发布于2024-03-12 20:40:37

有关强化学习奖励在训练300万轮中存在先上升稳定，又突然下降现象的产生原因
请各位大佬帮忙解答一下，奖励函数出现剧烈下降的可能原因

赞 1

评论 15

浏览 2113

水区

首次进入社区的小伙伴，欢迎了解以下事项，参与相关活动：

一、RLChina 组织形式：http://rlchina.org/topic/211

二、RLChina 2024 大会（可下载课件）：http://rlchina.org/rlchina_2024

三、RLChina 2023 大会（可下载课件）：http://rlchina.org/rlchina_2023

四、RLChina 2022 强化学习暑期课：http://rlchina.org/topic/491

五、RLChina 2021 强化学习暑期课：http://rlchina.org/topic/9?utm_source=pocket_saves

六、RLChina 智能体挑战赛：http://rlchina.org/topic/928

七、RLChina 前沿讲习班：http://rlchina.org/topic/215

八、RLChina 论文研讨会：http://rlchina.org/topic/219

Carlos
2 帖子 • 4 评论

957
Frei0d
1 帖子 • 9 评论

898
R
Rlxia
0 帖子 • 0 评论

564
RLChina
124 帖子 • 77 评论

454
POLIXIR
44 帖子 • 5 评论

351
Rewrite
0 帖子 • 4 评论

215
vinbo
9 帖子 • 84 评论

167
支太行
17 帖子 • 34 评论

133
张海峰
4 帖子 • 43 评论

132
AINova
20 帖子 • 43 评论

99