秦时月

明月几时有？
把酒问青天。

/p/ai-agent-1%E4%BB%8E%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E5%BA%94%E7%94%A8%E5%88%B0%E6%99%BA%E8%83%BD%E4%BD%93/image.jpg

AI Agent (1)：从大语言模型应用到智能体

秦时月发布于 2026-04-22 收录于 AI Agent

介绍AI Agent的基本概念

/p/rl-eligibility-trace-td-lambda/image.jpg

强化学习(6)：资格迹与 TD(λ)

秦时月发布于 2026-04-22 收录于强化学习

把不同步长统一起来

/p/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A05%E5%A4%9A%E6%AD%A5%E6%97%B6%E5%BA%8F%E5%B7%AE%E5%88%86%E6%96%B9%E6%B3%95%E4%B8%8E-n-step-%E5%9B%9E%E6%8A%A5/image.jpg

强化学习(5)：多步时序差分方法与 n-step 回报

秦时月发布于 2026-04-20 收录于强化学习

一步更新和完整回报之间，怎样建立更一般的连接。

/p/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A04%E6%97%B6%E5%BA%8F%E5%B7%AE%E5%88%86%E6%96%B9%E6%B3%95%E4%B8%80%E6%AD%A5%E6%9B%B4%E6%96%B0%E4%B8%8E%E8%87%AA%E4%B8%BE%E6%80%9D%E6%83%B3/image.jpg

强化学习(4)：时序差分方法——一步更新与自举思想

秦时月发布于 2026-04-19 收录于强化学习

如何边交互边学习

/p/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A03%E8%92%99%E7%89%B9%E5%8D%A1%E6%B4%9B%E6%96%B9%E6%B3%95%E4%BB%8E%E9%87%87%E6%A0%B7%E4%BC%B0%E8%AE%A1%E5%88%B0%E6%97%A0%E6%A8%A1%E5%9E%8B%E6%8E%A7%E5%88%B6/image.jpg

强化学习(3)：蒙特卡洛方法——从采样估计到无模型控制

秦时月发布于 2026-04-19 收录于强化学习

从基于模型到基于学习

/p/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A02%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92%E5%80%BC%E8%BF%AD%E4%BB%A3%E4%B8%8E%E7%AD%96%E7%95%A5%E8%BF%AD%E4%BB%A3/image.jpg

强化学习(2)：动态规划——值迭代与策略迭代

秦时月发布于 2026-04-18 收录于强化学习

从方程到算法

1
2
3
5