话题 | RLChina 强化学习社区

kevinliu 这家伙很懒，什么都没留下

发布于3天前

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 2

评论

浏览 119

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 590

招生招聘
米祈睿中科院自动化研究所2021级直博生~

发布于5天前

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 2

评论

浏览 1523

论文研讨
Z

Z zuwq_shanghaitech 这家伙很懒，什么都没留下

发布于10天前

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 107

论文研讨
Criswim 这家伙很懒，什么都没留下

发布于15天前

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 156

学术活动
王

王王梓岩这家伙很懒，什么都没留下

发布于18天前

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 301

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 1004

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 515

水区
cloudpetticoats cs在读研究生

发布于22天前

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 81

水区
B

B buaacaver 这家伙很懒，什么都没留下

发布于25天前

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 82

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26天前

南栖仙策&南京大学联合提出更强泛化的大规模世界模型以辅助具身智能决策
世界模型在具身智能决策中扮演着关键角色。为了实现高效决策，世界模型必须具备强大的泛化能力，同时提供可靠的不确定性估计。基于此，南京大学与南栖仙策团队提出了一种通用的世界模型构建范式 WHALE，通过引入行为条件化机制和回溯推演技术，提升了世界模型的分布外泛...

赞

评论

浏览 130

新闻动态
C

C castor_v_pollux 这家伙很懒，什么都没留下

发布于27天前

RLChina 论文研讨会第101期（2024.11.26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 101 期论文研讨会将由北京大学博士生鲁云龙主持，北京大学博士生段志健和北京大学博士生陈炤桦为大家分享最新的研究工作...

赞

评论

浏览 157

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 3

评论 7

浏览 1555

论文研讨
O

O Og 这家伙很懒，什么都没留下

发布于2024-11-13 14:38:57

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 102

论文研讨
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 3

浏览 862

课程学习
R

R rlrookie 这家伙很懒，什么都没留下

发布于2024-11-09 11:00:16

入门多智能体博弈的小白求教
本人研 0，想问问有什么好的课程或者方法来入门多智能体博弈 qwq

赞 2

评论 2

浏览 160

课程学习
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 192

水区
X

X xlq 这家伙很懒，什么都没留下

发布于2024-10-21 19:55:11

有关PPO里面的重要性采样权重的疑问？
为什么我看网上大多数代码再计算重要性采样权重的时候用的是（新策略-旧策略）的 e 指数来计算的，但是书上和资料上不都是直接相除的吗？但是我改成相除发现效果又很差，有没有大佬知道为什么要取指数？

赞

评论 4

浏览 267

课程学习
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 195

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 273

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

763
R
Rlxia
0 帖子 • 0 评论

561
RLChina
124 帖子 • 77 评论

454
POLIXIR
43 帖子 • 5 评论

350
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