RL 基础
背景 Markov 马尔可夫链和马尔可夫决策过程 markov决策过程是$s_t\xrightarrow{a_t}s_{t+1},\quad r_t$， 典型的场景有： - 游戏决策 - 机器人控制 - 自动驾驶 而这些问题的共同特征都是当前动作会在影响下一个动作的同时，也会影响更远的未来；所以RL的出现原本是为了能够学习这种连续决策的能力 --- RL的过程 简单来说就是有一个state $s…
S1mpleWind 的博客
简约风的博客
If you don't play, you won't learn.
最新文章
小动物趣闻几则
昨夜见到大螂，有感而发总结一下和小动物之间的故事 --- 【蜻蜓】 很小的时候和爷爷奶奶住在乡下，村口有一口大概两三亩的塘，每到夏天就会有很多的蜻蜓是水边飞。我觉得蜻蜓的形态实在是优雅，很想着抓一只研究一下，奈何它两只大眼睛总是察觉到我的行动，从未成功抓获过一只 真正的近距离观察发生在小时候某次去爬黄山。年幼的我蹲在某段山腰的路上歇脚，把帽子扔在一旁，再次出发的时候随手将帽子拿起来就扣在了头上。…
DFlash2学习
Intro 在七月初DSpark在DFlash的基础上增加了一个串行头提升了接受率之后，DFlash在八月初也发了对DFlash的改进 主要的变化是，在diffusion输出hidden、LM head处理成logits之后，对这些位置的topk选出来的candidate做一个selector来增加因果关系；以及在diffusion的结构中加入了一个卷积 Selector DFlash是对每个位…