摘要：
因为自己实在是太好忘了💀 所以在博客存档方便查找 阅读全文
posted @ 2024-01-18 19:47
MoonOut
阅读(81)
评论(0)
推荐(0)
摘要：
存下来方便查阅。 阅读全文
posted @ 2023-06-16 10:10
MoonOut
阅读(510)
评论(1)
推荐(0)
摘要：
简单看看近期的 Pb-MARL 工作。 阅读全文
posted @ 2025-12-15 14:20
MoonOut
阅读(4)
评论(0)
推荐(0)
摘要：
offline meta RL 近期工作的速读记录。 阅读全文
posted @ 2025-12-13 17:36
MoonOut
阅读(80)
评论(0)
推荐(2)
摘要：
offline meta RL 经典论文的速读记录。 阅读全文
posted @ 2025-12-07 10:35
MoonOut
阅读(121)
评论(0)
推荐(1)
摘要：
2025.12 | 速读文章纪录 阅读全文
posted @ 2025-12-02 23:13
MoonOut
阅读(33)
评论(0)
推荐(0)
摘要：
存档，博士生资格考试的 20 篇文献。 阅读全文
posted @ 2025-11-29 15:04
MoonOut
阅读(185)
评论(0)
推荐(2)
摘要：
EQL 将单目标的 bellman 算子拓展到多目标 RL 上，并复刻了 value iteration 的收敛性保证。 阅读全文
posted @ 2025-11-22 21:18
MoonOut
阅读(86)
评论(0)
推荐(1)
摘要：
贾庆山老师团队的事件驱动优化 + 数据中心工作。 阅读全文
posted @ 2025-11-22 16:10
MoonOut
阅读(19)
评论(0)
推荐(0)
摘要：
2025.11 | 速读文章纪录 阅读全文
posted @ 2025-11-02 12:25
MoonOut
阅读(64)
评论(0)
推荐(0)
摘要：
① 用对比学习把参考轨迹的 embedding 尽可能拉远，② 使用 DIAYN reward 同时做模仿学习和 skill discovery。 阅读全文
posted @ 2025-10-31 00:50
MoonOut
阅读(75)
评论(0)
推荐(1)
摘要：
速读一下 IJCAI 2025 的 RL 相关论文。 阅读全文
posted @ 2025-10-08 20:53
MoonOut
阅读(466)
评论(4)
推荐(1)
摘要：
2025.10 | 速读文章纪录 阅读全文
posted @ 2025-10-02 23:00
MoonOut
阅读(105)
评论(0)
推荐(0)
摘要：
2025.09 | 速读文章纪录 阅读全文
posted @ 2025-09-02 14:16
MoonOut
阅读(78)
评论(0)
推荐(0)
摘要：
2025.08 | 速读文章纪录 阅读全文
posted @ 2025-08-06 14:10
MoonOut
阅读(55)
评论(0)
推荐(0)
摘要：
为 state space 训练一个紧凑的 embedding space，使得 embedding 间的距离与 temporal distance 相匹配，然后让 policy 尽可能覆盖 embedding space。 阅读全文
posted @ 2025-07-18 23:32
MoonOut
阅读(230)
评论(0)
推荐(0)
摘要：
用语义距离 d_lang(x,y) = cos_sim[ l(s_1), l(s_2)] ，来作为 metra 的 1-Lipschitz 约束。 阅读全文
posted @ 2025-07-16 17:50
MoonOut
阅读(205)
评论(0)
推荐(0)
摘要：
使用 LLM / CLIP 模型，输出 state / pixel observation 与人类意图的匹配程度，作为 dodont 的加权权重。 阅读全文
posted @ 2025-07-15 20:34
MoonOut
阅读(73)
评论(0)
推荐(0)
摘要：
dodont 将好坏行为的分类器 p hat 融入了 metra 框架里，因此看起来很有直觉。 阅读全文
posted @ 2025-07-14 12:38
MoonOut
阅读(266)
评论(0)
推荐(1)
摘要：
2025.07 | 速读文章纪录 阅读全文
posted @ 2025-07-04 11:01
MoonOut
阅读(99)
评论(0)
推荐(0)
摘要：
偶然看到了 AIR-DREAM Lab 的主页，读一下。 阅读全文
posted @ 2025-06-13 22:15
MoonOut
阅读(121)
评论(0)
推荐(0)
摘要：
考虑一步策略改进，把选 action 的概率 $\pi (a|s)$ 当作变量，$\sum \pi (a|s) = 1$ 作为约束条件，使用拉格朗日乘子 $\lambda$ 干掉。对 $V^\text{new}(s)$ 求偏导，偏导数 = 0。 阅读全文
posted @ 2025-06-07 21:31
MoonOut
阅读(191)
评论(0)
推荐(0)
摘要：
2025.06 | 速读文章纪录 阅读全文
posted @ 2025-06-01 07:14
MoonOut
阅读(106)
评论(0)
推荐(0)
摘要：
2025.05 | 速读文章纪录 阅读全文
posted @ 2025-05-02 17:47
MoonOut
阅读(145)
评论(0)
推荐(0)
摘要：
git fetch origin, git stash, git checkout -b [] origin/[] 阅读全文
posted @ 2025-04-15 15:32
MoonOut
阅读(34)
评论(0)
推荐(0)
摘要：
鼓励 agent 探索与当前 episode 历史在到达时间（temporal distance）上较远的状态。 阅读全文
posted @ 2025-04-11 23:40
MoonOut
阅读(220)
评论(1)
推荐(0)
摘要：
在 ubuntu 服务器上，如何创建一个 home 目录在 /data 磁盘的 sudo 用户。 阅读全文
posted @ 2025-04-02 16:52
MoonOut
阅读(437)
评论(1)
推荐(0)
摘要：
2025.04 | 速读文章纪录 阅读全文
posted @ 2025-04-01 15:10
MoonOut
阅读(194)
评论(2)
推荐(0)
摘要：
如何在 Linux（Ubuntu）系统安装 miniconda。 阅读全文
posted @ 2025-03-31 14:18
MoonOut
阅读(5585)
评论(1)
推荐(2)
摘要：
不明觉厉的记下了…… 阅读全文
posted @ 2025-03-19 00:24
MoonOut
阅读(1666)
评论(0)
推荐(1)
摘要：
这篇工作或许为需要隐藏身份和欺骗的游戏，提供了一个有效的 prompt 模板。 阅读全文
posted @ 2025-03-10 18:03
MoonOut
阅读(105)
评论(0)
推荐(0)
摘要：
这篇工作或许可以作为一个 即时战略游戏 的 prompt 参考模板。 阅读全文
posted @ 2025-03-10 16:46
MoonOut
阅读(178)
评论(0)
推荐(0)
摘要：
感觉性能好的关键原因：1. prompt 写得好，可以高效沟通；2. agent 记忆的信息形式很简洁。 阅读全文
posted @ 2025-03-10 16:22
MoonOut
阅读(519)
评论(0)
推荐(0)
摘要：
这篇文章使用 LLM 生成了各种 MineCraft 的 skill，但没有利用 LLM 的通识能力，感觉不算 LLM agent 的工作。 阅读全文
posted @ 2025-03-10 15:05
MoonOut
阅读(257)
评论(0)
推荐(0)
摘要：
读了一些 LLM agent 玩各种游戏的论文。 阅读全文
posted @ 2025-03-10 13:57
MoonOut
阅读(485)
评论(0)
推荐(0)
摘要：
2025.03 | 速读文章纪录 阅读全文
posted @ 2025-03-01 19:40
MoonOut
阅读(132)
评论(0)
推荐(1)
摘要：
询问 deepseek 泊松过程、指数分布和事件到达率的含义。 阅读全文
posted @ 2025-02-25 14:27
MoonOut
阅读(674)
评论(0)
推荐(0)
摘要：
出分后发布笔记…… 阅读全文
posted @ 2025-02-07 04:34
MoonOut
阅读(363)
评论(0)
推荐(0)
摘要：
出分后发布笔记…… 阅读全文
posted @ 2025-02-07 04:19
MoonOut
阅读(531)
评论(0)
推荐(0)
摘要：
2025.02 | 速读文章纪录 阅读全文
posted @ 2025-02-03 03:49
MoonOut
阅读(160)
评论(3)
推荐(1)
摘要：
添加 RemoteForward 127.0.0.1:7890 127.0.0.1:7890 阅读全文
posted @ 2025-01-23 22:37
MoonOut
阅读(130)
评论(0)
推荐(0)
浙公网安备 33010602011771号