🔥 Trending today
Proximal Policy Optimization (PPO)★ 70
Hugging Face Blog1397d agoTutorial本教學為 Hugging Face 深度強化學習課程的一部分，深入探討當前最主流的強化學習演算法「近端策略優化 (PPO)」。文章解析了 PPO 如何透過「剪裁代理目標函數」解決傳統策略梯度法步長過大導致崩潰的問題，並引導讀者使用 Stable-Baselines3 進行實戰演練，是理解 LLM 對齊技術（如 RLHF）的重要基石。
Advantage Actor Critic (A2C)
Hugging Face Blog1411d agoTutorial本教學為 Hugging Face 深度強化學習課程的一部分，詳細解析 Advantage Actor Critic (A2C) 演算法。A2C 結合了 Actor（負責決策）與 Critic（負責評估）的優勢，並透過優勢函數（Advantage Function）降低變異數，提升訓練穩定度。讀者將學習其核心數學原理，並了解如何實作與訓練 AI 代理人。