#Reinforcement Learning

共 3 篇
tags Deep Reading 33 Paper Reading 24 Code Reading 16 Computer Vision 12 Generative AI 5 Recommendation System 5 3D Generation 4 Agentic RL 3 Reinforcement Learning 3
还有 95 个标签 →

2026

2026.07
  1. AgentRL 论文精读:全异步 Rollout-Training、跨策略采样与多任务 Agent 强化学习

    精读 AgentRL 如何通过全异步多轮训练、统一环境控制面、Cross-Policy Sampling、Task Advantage Normalization 和开源训练框架扩展多任务 Agentic RL

  2. SAO 论文精读:单轨迹异步优化、双边重要性采样与 Agentic RL 稳定训练

    精读 SAO 如何通过单轨迹异步采样、双边 Token 级重要性门控、快速价值模型更新和 Skip-Observation GAE 稳定训练长时域推理与编码智能体

2026.06
  1. 长期收益强化学习算法研究进展:从时间信用分配到 Agentic RL

    系统梳理长时域、稀疏延迟奖励强化学习中的信用分配、时间抽象、离线到在线、世界模型与 LLM Agent RL 进展