SEED RL — 大規模擴展強化學習
文 / Google Research 阿姆斯特丹分部研究工程師 Lasse Espeholt 過去幾年間，強化學習 (RL) 取得了令人矚目的進展，近期在 圍棋 (Go) 和 Dota 2 等遊戲上取得的成功也有力地證明了這一點。模型或 智能體，通過探索環境（如遊戲）來學習，同時針對特定目標進行優化。但是，目前的 RL 技術需要大量的訓練才能成功完成學習，即便是簡單遊戲，這也使得迭代研究和產品構
相關文章
- 1. SEED RL：大規模分佈式強化學習框架
- 2. Google 開源可大規模擴展的深度強化學習新架構 SEED RL
- 3. 最前沿：大規模深度強化學習的發展
- 4. 強化學習(RL)
- 5. 強化學習介紹（RL）
- 6. 強化學習【RL】推薦
- 7. 強化學習之五：基於模型的強化學習（Model-based RL）
- 8. 大規模深度強化學習技術概覽「AI工程論」
- 9. 【RL】強化學習的基本思想
- 10. 深度強化學習CS285-Lec17 Distributed RL
- 更多相關文章...
- • Kotlin 擴展 - Kotlin 教程
- • Swift 擴展 - Swift 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • 適用於PHP初學者的學習線路和建議
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
