#q-learning

5 篇文章

tech Harvard CS50 AI 導讀 2026年8月30日

Harvard CS50 AI Week 4：Learning——監督式學習、k-NN、SVM、強化學習 Q-learning 與 Nim

Week 4 進入機器學習：監督式分類（k-NN、SVM、Perceptron）、模型評估、強化學習基礎（MDP、Q-learning、ε-greedy），專案 Shopping 預測購買意願、Nim 學會玩遊戲。

#harvard-cs50ai #ai #machine-learning #supervised-learning #knn #svm #reinforcement-learning #q-learning #nim #shopping #python #cs50

ai deep-dive CMU 07-280 完整課程導讀 2026年8月22日

CMU 07-280 Lecture 22：不知道 Dynamics 時如何做 Q-learning

第 22 講保留 MDP 骨架，拿掉已知 transition 與 reward 的假設；TD learning 用一步 sample 更新 value，Q-learning 再以 off-policy target 直接學最佳 action values。

#cmu #ai-course #reinforcement-learning #q-learning #temporal-difference

learning guide Berkeley CS188 Spring 2026 2026年8月22日

CS188 MDP 與強化學習：從 Value Iteration 到 Q-Learning

Lecture 9–12 與 Project 3 用同一個 Gridworld 對照已知模型的 value iteration、未知模型的 Q-learning，以及用 features 泛化的 approximate Q-learning。

#berkeley #cs188 #reinforcement-learning #mdp #q-learning

learning guide Berkeley CS285 Spring 2026 導讀 2026年8月22日

Berkeley CS285 L5–10：Policy Gradient、Actor-Critic、DQN 與 SAC

L5–10 用 policy-based 與 value-based 兩條路建立深度 RL 核心；HW2 可用 CPU，HW3 的 Atari 與 HalfCheetah 則約需數小時 GPU。

#cs285 #berkeley #policy-gradient #q-learning #actor-critic

ai deep-dive Stanford CS230 導讀 2026年8月16日

Deep Reinforcement Learning：把 RLHF 放回強化學習的框架裡

圍棋不能用監督式學習的第三個理由最有意思：ground truth 本身就沒有良好定義——最強的人類不是每天下出最好的棋，而他最好的棋也不是最優解。這一講的最後 20 分鐘把 RLHF 完整放回 RL 的框架：agent 是被微調的模型、action 是下一個 token、一個 episode 是一次完整生成，而且獎勵極度稀疏。

#reinforcement-learning #rlhf #q-learning #llm #stanford-cs230