话题 | RLChina 强化学习社区

Z

Z zhengrong 这家伙很懒，什么都没留下

发布于1天前

RLChina 论文研讨会第109期（2025.1.21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 109 期论文研讨会将由清华大学薛峥嵘主持，斯坦福大学黄苏宁、卡内基梅隆大学张远航为大家分享最新的研究工作，欢迎大家参与。互动方式...

赞

评论

浏览 35

论文研讨
pan95732 pan95732

发布于2023-10-03 15:04:20

招聘线上答疑老师
【介绍】我们是一家专注于为大学生群体提供课后习题答疑的教育机构，采用网络 1 对 1 的答疑形式。在这里，我们能提供不同难度的习题辅导的机会。只要您有电脑，学习成绩优秀，在空闲时解题，然后用文字 or 文档的形式给学生答疑解惑即可。【时间】我们是灵活...

赞 1

评论 4

浏览 969

招生招聘
YanSong 这家伙很懒，什么都没留下

发布于9天前

RLChina 论文研讨会第108期（2024.01.14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 108 期论文研讨会将由伦敦大学学院博士生宋研主持，天工 Skywork 研究科学家王超杰、吉林大学博士生郭思源，为...

赞

评论

浏览 123

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11天前

RNN策略训练稳定性提升秘籍：给RNN设置单独的学习率
在实际的决策任务中，信息常常是受限的，我们常常只能基于局部的信息进行决策或控制。例如在机器人操控的场景下，机器人只能观测到摄像头视角内的物体。现有的研究工作通常会结合历史的观测来补齐缺失的信息。循环强化学习（recurrent RL）使用循环神经网络来对历...

赞

评论

浏览 74

论文研讨
吕尧Tobias 这家伙很懒，什么都没留下

发布于14天前

清华团队提出RL专用神经网络优化方法RAD，创造性能新SOTA
在人工智能领域，强化学习（RL）一直被视为解决复杂序列决策问题的有力工具。这项技术不仅在电子游戏、棋类智能、机器人控制、自动驾驶等前沿领域大放异彩，还在大语言模型（LLM）的微调、对齐、推理等关键阶段发挥着重要作用。然而，RL 的训练过程常常表现出显著的...

赞 2

评论

浏览 124

论文研讨
炸毛可乐这家伙很懒，什么都没留下

发布于15天前

具身智能相关算法—视觉类、感知类、LIM提示词、强化学习、运动控制等均有HC
岗位职责： 1、算法开发：设计和实现机器人视觉算法，包括目标检测、目标跟踪、物体识别、三维重建、多传感器融合、场景理解等。使用深度学习和传统计算机视觉方法解决实际问题，提高算法的准确性和鲁棒性。 2、系统集成：将开发的视觉算法集成到机器人系统中，确保...

赞

评论

浏览 76

招生招聘
南荣遥羿几乎是废学忘习地寝食。

发布于2024-09-05 13:53:56

入门强化学习的小白求助
各位前辈们好，我目前本科软件工程二年级在读，在自学 CS285 等相关课程，有些吃力。想问问前辈们有无深度强化学习的入门经验或者学习路线的分享？！或者近期有哪些很不错的方向值得关注和研究！欢迎批评和指导，谢谢大家。

赞

评论 4

浏览 1002

课程学习
KRHKK 这家伙很懒，什么都没留下

发布于19天前

RLChina 论文研讨会第107期（2025.1.7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 107 期论文研讨会将由中科院自动化所博士生崔新宇主持，中科院自动化所硕士生赵祉瑜，清华大学硕士生王以诺和浙...

赞

评论

浏览 134

论文研讨
B

B BrandonLiu 这家伙很懒，什么都没留下

发布于22天前

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 106

水区
Z

Z Zhengbang Zhu 这家伙很懒，什么都没留下

发布于22天前

RLChina 论文研讨会第106期（2024.12.31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 106 期论文研讨会将由上海交通大学博士生竺正邦主持，清华大学博士生李兴航和新加坡国立大学博士生高崇凯为大家分享最新...

赞

评论

浏览 132

论文研讨
N

N NIFEI 这家伙很懒，什么都没留下

发布于29天前

RLChina 论文研讨会第105期（2024.12.24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 105 期论文研讨会将由天津大学博士生倪飞主持，天津大学博士生袁逸夫、天津大学硕士生董子斌和天津大学硕士生寇龙馨为大...

赞

评论

浏览 237

论文研讨
kevinliu 这家伙很懒，什么都没留下

发布于2024-12-18 11:23:24

清华团队提出RL专用神经网络优化器，性能位居榜首
在人工智能领域，强化学习（RL）一直被视为解决复杂序列决策问题的有力工具。这项技术不仅在电子游戏、棋类智能、机器人控制、自动驾驶等前沿领域大放异彩，还在大语言模型（LLM）的微调、对齐、推理等关键阶段发挥着重要作用。然而，在深度神经网络作为函数近似器的背...

赞 4

评论

浏览 319

论文研讨
pan95732 pan95732

发布于2024-03-11 14:09:55

前端、web、可视化、C#...
前端、Web、可视化、C#... 岗位要求： 1、英语有较好的阅读能力，四六级或雅思 6.5+ 或托福 90+； 2、985/211 院校本科大三以上，研究生、硕士等；（国内外应往届均可）； 3、做事一定要认真负责有耐心，工作时间地点不限； V:pan95...

赞

评论 7

浏览 654

招生招聘
米祈睿中科院自动化研究所2021级直博生~

发布于2024-12-16 10:50:19

圆桌论道 | Neurips 2024 大语言模型相关 1022 篇和强化学习相关 322 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。导读神经信息处理系统会议（Neural Information Processing Systems，简称 NeurIPS）是人工智能与机器学习领域最具影...

赞 4

评论

浏览 2062

论文研讨
Z

Z zuwq_shanghaitech 这家伙很懒，什么都没留下

发布于2024-12-11 16:39:22

RLChina 论文研讨会第104期（2024.12.17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 104 期论文研讨会将由上海科技大学硕士生祖伟钦主持，上海科技大学博士生丁枢桐、香港大学博士生胡梦康、深圳大学大四...

赞

评论

浏览 200

论文研讨
Criswim 这家伙很懒，什么都没留下

发布于2024-12-06 13:10:55

RLChina 论文研讨会第103期（2024.12.10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 103 期论文研讨会将由清华大学季向阳教授团队汇报相关工作，由 Cheems Wang 主持，清华大学博士生毛逸休、...

赞

评论

浏览 241

学术活动
王

王王梓岩这家伙很懒，什么都没留下

发布于2024-12-03 01:39:44

RLChina 论文研讨会第102期（2024.12.3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 102 期论文研讨会将由伦敦国王学院博士生王梓岩主持，南京大学陈雄辉，埃因霍温理工 Tristan Tomilin...

赞

评论

浏览 382

学术活动
pan95732 pan95732

发布于2023-08-27 16:24:26

招聘线上答疑老师
【介绍】我们是一家专注于为大学生群体提供课后习题答疑的教育机构，采用网络 1 对 1 的答疑形式。在这里，我们能提供不同难度的习题辅导的机会。只要您有电脑，学习成绩优秀，在空闲时解题，然后用文字 or 文档的形式给学生答疑解惑即可。【时间】我们是灵活...

赞 1

评论 4

浏览 1044

招生招聘
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 590

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 140

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

794
R
Rlxia
0 帖子 • 0 评论

561
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