Skip to content
所有標籤

#deep-reinforcement-learning

3 篇文章
aiguideStanford CS234 Reinforcement Learning 導讀

DQN——deadly triad、experience replay 與 fixed Q-targets｜Stanford CS234 主題單元

Q-learning 在表格上會收斂，接上函數近似就可能發散。CS234 把原因歸成 deadly triad：bootstrapping、function approximation、off-policy learning 三者同時出現。DQN 用兩招撐住：experience replay 打散樣本之間的相關性，fixed Q-targets 讓目標值在 C 步內不動。投影片引用的 Atari 消融表裡，Breakout 從線性模型的 3 分、沒有兩招的深度網路 3 分，到兩招都用的 317 分；只加 replay 就到 241。

#cs234#ai-course#stanford#reinforcement-learning#deep-reinforcement-learning
learningguideBerkeley CS285 Deep Reinforcement Learning 導讀

CPU、GPU、H100 成本分界｜Berkeley CS285 主題單元

五份作業從 CPU 友善的 imitation learning 走到 H100 LLM RL 與六小時 offline RL runs；自學者應按成本分三階段，而非整套照搬。

#cs285#berkeley#deep-reinforcement-learning#gpu#self-study
learningguideBerkeley CS285 Deep Reinforcement Learning 導讀

深度強化學習：從決策概念到策略學習與實驗｜Berkeley CS285 課程總覽

Spring 2026 CS185/285 公開 25 講投影片、9 組討論課資料、5 份作業與 starter code；講課錄影已公開在 RAIL YouTube 頻道，但 Ed、Gradescope 與助教時間仍限修課生，HW4 預設 H100，不能把它包裝成零成本公開課。

#cs285#berkeley#deep-reinforcement-learning#self-study#ai-course