强化学习 - 标签 - 研发日志 · R&D Loghttps://rd163.visword.com/tags/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/强化学习 - 标签 - 研发日志 · R&D LogHugo -- gohugo.iozh-CNwhutluohui@gmail.com (小智晖)whutluohui@gmail.com (小智晖)本作品采用知识共享署名-非商业性使用 4.0 国际许可协议进行许可。Fri, 07 Feb 2025 00:00:00 +0800DeepSeek 模型发展时间线https://rd163.visword.com/posts/deepseek-models-development-timeline/Fri, 07 Feb 2025 00:00:00 +0800小智晖https://rd163.visword.com/posts/deepseek-models-development-timeline/ 2023 年

2023 年 7 月，DeepSeek（深度求索）在杭州成立，由幻方量化创始人梁文锋创立，专注于通用人工智能（AGI）与大模型研发，并依托幻方积累的算力资源开展训练。

]]>游戏强化训练https://rd163.visword.com/posts/game-rl-trainning/Sun, 12 Jan 2025 00:00:00 +0800小智晖https://rd163.visword.com/posts/game-rl-trainning/<p>游戏是强化学习(Reinforcement Learning, RL)最经典也最成熟的实验场。规则清晰、状态可观测、奖励可量化、能够无限次对弈——这些特性让棋类、电子竞技、Atari 游戏成为验证 RL 算法的天然沙盒。本文梳理「游戏强化训练」涉及的核心概念、关键里程碑、主流框架,以及代表性开源复现项目。</p>