Skip to content
所有標籤

#alphazero

3 篇文章
aiguideStanford CS234 Reinforcement Learning 導讀

規劃＋學習——MCTS、UCT 與 AlphaGo／AlphaZero｜Stanford CS234 主題單元

到目前為止，CS234 都在替整個狀態空間算一個策略。第 13、14 講換一個問題：如果我只在乎「現在這一步」該怎麼走，能不能多花一點本地運算，做出更好的決定？從 simple Monte Carlo search、expectimax tree 到 MCTS，再把每個節點當成一個 bandit，就得到 UCT。AlphaZero 把 MCTS 跟一個同時預測策略與價值的網路綁在一起，用 self-play 互相推進。投影片借用 Silver et al. 2017 的圖回答三個問題：架構有多重要、MCTS 加了多少、需不需要人類資料。

#cs234#ai-course#stanford#reinforcement-learning#mcts#alphazero
aideep-diveCMU 07-280 AI & ML I 導讀

Monte Carlo Tree Search 如何接上 AlphaZero｜CMU 07-280 第 24 堂

Spring 2026 Lecture 24 是 MCTS，不是 Fall 2026 的 LLM post-training；本講以 selection、expansion、rollout、backup 與 UCB 分配模擬，再由 policy/value heads 與 self-play 接到 AlphaZero。

#cmu#ai-course#monte-carlo-tree-search#alphazero#reinforcement-learning
aideep-diveCMU 07-280 AI & ML I 導讀

從 MDP、Q-learning 到 AlphaZero｜CMU 07-280 主題單元

第三階段把 value、policy、bootstrapping、function approximation 與 MCTS 接成 AlphaZero：network 提供先驗與估值，search 改善決策，self-play 再產生下一輪資料。

#cmu#ai-course#reinforcement-learning#mcts#alphazero