#强化学习

强化学习：MDP、Q-Learning、Policy Gradient 与 RLHF——RL 的核心框架

本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage8 advanced/01 reinforcement learning.md · 由 @阿新聊ai 整理。 强化学习：MDP、Q Learning、Policy Gradient 与 RLHF——RL 的...