DQN 把深度卷积网络与 Q 学习结合，让 AI 直接从像素学会玩雅达利游戏，多个游戏达到人类水平。它是深度强化学习走向实用的标志性工作。 DQN 的故事最激励人心的地方在于：AI 没有人教它规则，...

策略梯度不估计每个动作的价值，而是直接优化“在什么状态下该采取什么动作”的策略本身。它比基于价值的方法更适合连续动作空间，是机器人控制的常用方案。 策略梯度与基于价值的方法像两种处...

Actor-Critic 同时维护两个网络：Actor 负责决策“做什么”，Critic 负责评价“做得好不好”。两者相互配合，既解决了策略梯度方差大的问题，又保持了策略方法的灵活性。 Actor-Critic 是一个非...

强化学习让智能体在环境中不断行动、获得奖励或惩罚，从而学会达成目标的最优策略。它最像人类的学习方式——小孩学走路，摔了知道疼，走稳了有掌声。 强化学习最激动人心的案例是 AlphaGo：它...