蒋乐天 - PPO
7:18
蒋乐天 - PPO
已浏览 3249 次2019年10月25日
bilibili伯禹人工智能学院
L4 TRPO and PPO (Foundations of Deep RL Series)
25:21
L4 TRPO and PPO (Foundations of Deep RL Series)
已浏览 482 次2021年8月30日
bilibili深度强化学习实验室
【直播回放】TRPO重生：大模型时代的信任域策略优化 2025年12月20日09点场
1:12:28
【直播回放】TRPO重生：大模型时代的信任域策略优化 2025年12月20 …
已浏览 203 次3 个月之前
bilibili减论
【直播回放】从TRPO 到 SAPO： RL算法演进 2026年01月10日09点场
58:46
【直播回放】从TRPO 到 SAPO： RL算法演进 2026年01月10日09点场
已浏览 62 次3 个月之前
bilibili减论
【已完结】【TRPO】第二部分 完整代码实现
19:18
【已完结】【TRPO】第二部分 完整代码实现
已浏览 5423 次5 个月之前
bilibili东川路第一可爱猫猫虫
强化trpo
18:50
强化trpo
已浏览 171 次2025年2月28日
bilibili天道酬喵喵
TRPO：稳定策略优化的理论基础
16:26
TRPO：稳定策略优化的理论基础
已浏览 404 次3 个月之前
bilibili科羚AI深度学堂
13:03
从TRPO到PPO，探索强化学习的巅峰之作
已浏览 482 次5 个月之前
bilibili天天悅看
56:29
【青稞Talk102期】从 TRPO 到 SAPO：大模型 RL 算法演进
已浏览 2218 次2 个月之前
bilibili青稞社区
43:13
16.[彪哥带你学强化学习]全网讲的最系统的TRPO算法
已浏览 749 次10 个月之前
bilibili爱格物的彪哥
7:55
强化学习 TRPO 证明1
已浏览 437 次2023年1月31日
bilibiliWill-HhdZ
31:11
14.[彪哥带你学强化学习]终于有人把trpo算法讲清楚了
已浏览 1636 次11 个月之前
bilibili爱格物的彪哥
9:48
【强化学习】TRPO算法-1 原理推导
已浏览 2301 次2024年11月26日
bilibili灼眼的全息坚果
21:08
【强化学习】TRPO算法-2 算法讲解
已浏览 757 次2024年11月26日
bilibili灼眼的全息坚果
9:24
深度强化学习第三课TRPO（2017）：稳定策略优化的 …
已浏览 131 次3 个月之前
bilibili深度学习k学长
1:31:57
近端策略优化（PPO）算法
已浏览 1.7万 次2025年1月8日
bilibili蒋一讲AI
41:01
5、Natural Policy Gradients, TRPO, PPO算法
已浏览 1002 次2022年2月13日
bilibiliWaterking丶
1:52
SAPO和TRPO，TRPO的KL约束条件和SAPO的关系 #青稞社区 #SAPO …
2 个月之前
douyin.com青稞社区
15:14
[Agentic RL] 02 策略梯度基础，从 PG 到 TRPO 到 PPO-Clip 核心公式简 …
已浏览 4933 次6 个月之前
bilibili五道口纳什
25:17
【PPO的前身】【TRPO】第一部分 直观理解与算法理论
已浏览 1.2万 次5 个月之前
bilibili东川路第一可爱猫猫虫
13:06
15.[彪哥带你学强化学习]TRPO算法中近似函数和原目标函数的阈值怎么 …
已浏览 906 次10 个月之前
bilibili爱格物的彪哥
15:55
Policy Optimization & TRPO & PPO | RL原理讲解系列#3
已浏览 8545 次2023年12月20日
bilibiliUp-Fei
37:05
推理大模型 | TRPO求解方法论
已浏览 35 次5 个月之前
bilibili比尔森一撇
6:38
【DAPO算法】TRPO 太慢，GRPO 太野，强化学习算法我刚刚好(✪▽✪)
已浏览 6444 次2 个月之前
bilibili梗直哥丶
12:32
[DRL] 从 TRPO 到 PPO（PPO-penalty，PPO-clip）
已浏览 7380 次2024年5月25日
bilibili五道口纳什
29:49
四、TRPO论文中参数化策略的优化方法与重要性采样的线下策略
已浏览 89 次2025年3月12日
bilibili茶肉酱
14:58
[DRL] 从策略梯度到 TRPO（Lagrange Duality，拉格朗日对偶性）
已浏览 8829 次2024年5月3日
bilibili五道口纳什
39:39
【TRPO系列讲解】（五）TRPO_理论推导篇
已浏览 6524 次2022年5月17日
bilibili机智的王小鹏
23:32
【双语】How LLMs Learn to Reason [GRPO]
已浏览 663 次2 个月之前
bilibiliSa神带你学AI
29:27
TRPO 置信域策略优化 (Trust Region Policy Optimization)
已浏览 149 次2023年6月6日
bilibilitiandiao123
观看更多视频
静态缩略图占位符