wxchyy

前言  本期是手把手教你入门强化学习第二篇了，在这期，笔者会介绍强化学习中最核心的数学模型——Markov决策过程，用来描述智能体（Agent）与环境（Environment）交互的框架。同样会尽量通

前言  本期笔者将开启新的专栏--手把手教你入门强化学习。强化学习正在改变人类社会的方方面面，像基于强化学习的游戏AI，AlphaGo，以及最近大火的Deepseek的GRPO算法等等。所以笔者希望能