论文研讨 - 话题 | RLChina 强化学习社区

O

O Og 这家伙很懒，什么都没留下

发布于8天前

同样一个使用rl_zoo3训练的模型，使用stablebaseline3的evaluate_policy和rl_zoo3的rl_zoo3.enjoy.enjoy测试出来的score为什么会差别很大哇 from stable_baselines3.common.evaluation import evaluate_policy model = sb3.PPO.load(model_path, env=env, print_system_info=True) mean_reward, std_reward = evaluate_policy(model, model.get_env(), n_eval_episodes=4)

赞

评论

浏览 42

论文研讨
庞竟成南京大学

发布于2024-09-21 16:29:24

RLChina 论文研讨会第100期（2024.9.24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 100 期论文讨论会将由南京大学博士生庞竟成同学主持，东京大学博士生 Johannes Ackermann、南洋理工...

赞 1

评论

浏览 496

论文研讨
Z

Z zhengrong 这家伙很懒，什么都没留下

发布于2024-09-07 11:25:41

RLChina 论文研讨会第99期（2024.9.10直播）
导读论文研讨会是 RLChina 举办的学术活动，由不同的研究团队轮流主持，邀请一线研究人员针对特定论文做交流分享。第 99 期论文研讨会为清华大学交叉信息研究院具身智能实验室（http://hxu.rocks）专场，将由清华大学薛峥嵘主持，清华大学华...

赞

评论

浏览 569

论文研讨
自动化所杨企鹏这家伙很懒，什么都没留下

发布于2024-08-30 16:46:02

一文七问｜自博弈微调（Self-Play Fine-Tuning）将弱语言模型转换为强语言模型
导读加州大学最近的研究介绍了一种名为 SPIN（Self Play fIne tuNing）的新技术，该技术灵感来源于 AlphaGo Zero 和 AlphaZero 等游戏中的自我对弈机制。SPIN 旨在使大语言模型（LLM）能够通过自我对弈进行训...

赞 1

评论

浏览 689

论文研讨
薛

薛薛正海-NTU 这家伙很懒，什么都没留下

发布于2024-08-26 11:32:42

RLChina 论文研讨会第98期（2024.8.27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 98 期论文研讨会将由新加坡南洋理工大学博士生薛正海主持，新加坡南洋理工大学博士生谭伟豪、南京大学博士生刘旭辉为大家...

赞

评论

浏览 558

论文研讨
米祈睿中科院自动化研究所2021级直博生~

发布于2024-08-07 10:05:47

圆桌论道 | ICML 2024 大语言模型相关507篇论文整理
“圆桌论道”是 RLChina 的一个栏目，发布国内外前沿学术活动的预告、总结或解读等。导读国际机器学习会议（International Conference on Machine Learning，简称 ICML）是机器学习领域最具影响力的国际学术会...

赞 7

评论

浏览 2137

论文研讨
KRHKK 这家伙很懒，什么都没留下

发布于2024-08-06 15:39:30

RLChina 论文研讨会第97期（2024.8.13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 97 期论文研讨会将由中科院自动化研究所博士生崔新宇主持，清华大学博士生陈华玉和清华大学博士生胡昊为大家...

赞

评论

浏览 648

论文研讨
A

A anananan 这家伙很懒，什么都没留下

发布于2024-07-24 16:31:31

论文结果复现问题，新手求助
请问各位专家《Stability Constrained Reinforcement Learning for Decentralized Real-Time Voltage Control》《Stability Constrained Reinforc...

赞

评论 1

浏览 637

论文研讨
Z

Z zuwq_shanghaitech 这家伙很懒，什么都没留下

发布于2024-07-24 07:12:39

RLChina 论文研讨会第95期（2024.7.30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 95 期论文研讨会将由上海科技大学硕士生祖伟钦主持，上海期智研究院助理研究员庄子文、天津大学博士生李鹏翼为大家分享最...

赞

评论

浏览 502

论文研讨
Criswim 这家伙很懒，什么都没留下

发布于2024-07-19 16:17:12

RLChina 论文研讨会第94期（2024.7.23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 94 期论文研讨会将由国防科技大学系统工程学院博士生施伟主持，国防科技大学理学院数学系吕怡琴博士生为大家分享最新的研...

赞

评论 1

浏览 557

论文研讨
哇

哇哇哈哈哈这家伙很懒，什么都没留下

发布于2024-07-15 17:47:40

多智能体强化学习MAPPO
奖励提前收敛是什么原因，正常情况下应该是到 100，附近收敛。还有一个问题，为什么训练效果时好时坏呢

赞

评论 1

浏览 473

论文研讨
C

C castor_v_pollux 这家伙很懒，什么都没留下

发布于2024-07-08 14:38:13

RLChina 论文研讨会第92期（2024.7.9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 78 期论文研讨会将由北京大学博士生张万鹏主持，北京大学博士生张万鹏和北京大学博士生鲁云龙为大家分享最新的研究工作，...

赞

评论

浏览 393

论文研讨
自动化所姜纪文 (ง •_•)ง

发布于2023-10-11 15:27:42

一文七问 | 论文分享：大规模多智能体系统的分层均值场深度强化学习
@toc 导读本篇推文将为大家介绍中山大学余超老师于 2023 AAAI 发表的一篇论文： Hierarchical Mean-Field Deep Reinforcement Learning for Large-Scale Multiagent Sy...

赞 2

评论 6

浏览 1427

论文研讨
Z

Z zhengrong 这家伙很懒，什么都没留下

发布于2024-05-29 00:43:55

RLChina 论文研讨会第88期（2024.6.4直播）
导读论文研讨会是 RLChina 举办的学术活动，由不同的研究团队轮流主持，邀请一线研究人员针对特定论文做交流分享。第 88 期论文研讨会为清华大学交叉信息研究院具身智能实验室（http://hxu.rocks）专场，将由清华大学薛峥嵘主持，清华大学胡...

赞 3

评论

浏览 747

论文研讨
W

W waterhorse 这家伙很懒，什么都没留下

发布于2024-05-27 09:35:43

RLChina 论文研讨会第87期（2024.5.28直播）
导读论文研讨会是 RLChina 举办的学术活动，由不同的研究团队轮流主持，邀请一线研究人员针对特定论文做交流分享。第 60 期论文研讨会将由伦敦大学学院冯熙栋同学主持，华东师范大学博士生盛俊杰，香港中文大学（深圳)林越为大家分享最新的研究工作，欢迎大...

赞

评论

浏览 427

论文研讨
KRHKK 这家伙很懒，什么都没留下

发布于2024-04-18 12:15:06

RLChina 论文研讨会第83期（2024.4.23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 83 期论文研讨会将由中科院自动化研究所博士生崔新宇主持，北京理工大学硕士生叶语霄和中科院自动化研究所博士生 ...

赞

评论

浏览 606

论文研讨
K

K Kangning Yin 这家伙很懒，什么都没留下

发布于2024-04-11 10:44:54

RLChina 论文研讨会第82期（2024.4.16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 82 期论文研讨会将由上海科技大学硕士生殷康宁主持，香港大学博士生梁志烜和香港大学博士生胡梦康为大家分享最新...

赞

评论

浏览 513

论文研讨
米祈睿中科院自动化研究所2021级直博生~

发布于2024-03-24 12:58:40

圆桌论道 | ICLR 2024 强化学习和 LLM 相关573篇论文整理
圆桌论道 “圆桌论道”是 RLChina 的一个栏目，发布国内外前沿学术活动的预告、总结或解读等。导读国际学习表征会议（International Conference on Learning Representations, 简称 ICLR）是计算机...

赞 12

评论 2

浏览 6618

论文研讨
Criswim 这家伙很懒，什么都没留下

发布于2024-03-21 21:15:13

RLChina 论文研讨会第81期（2024.3.26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 81 期论文研讨会将由国防科技大学理学院王琦副教授主持，清华大学自动化系博士生曲云为大家分享最新的研究工作，欢迎大家...

赞

评论

浏览 573

论文研讨
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2024-03-18 11:56:27

南栖仙策提出高相容性协作算法，保障智能体与开放环境中多样甚至未见的队友高效协作
开放环境的机器学习是目前的研究难点与热点，是算法落地的关键之一。其中，开放环境的多智能体强化学习与人智协同方向需要智能体与各种多样甚至是未见的队友策略进行高效协作。为了达成这一目标，主流方法在训练阶段生成若干队友策略与智能体配对训练以提高智能体的协作能力。...

赞 1

评论

浏览 475

论文研讨

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

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

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

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

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

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

Carlos
2 帖子 • 4 评论

955
Frei0d
1 帖子 • 9 评论

734
R
Rlxia
0 帖子 • 0 评论

544
RLChina
124 帖子 • 77 评论

454
POLIXIR
42 帖子 • 5 评论

349
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