t_wの輪郭

学習強化 Reinforcement Learning RL

強化学習

2021/3/2 15:42:00

『デジタルゲームにおける強化学習の実践的活用』生成AIモデルは少ない事前学習で性能向上が可能になってきている Actor-Critic MCTS Policy Gradient DQN 『強化学習アルゴリズム整理 - joeの日記』OpenAI Gym 強化学習するUI RL Slimebot Volleyball gitのdiffでコード生成AIを強化学習 DPO あれあれ退屈嫌いAI オフライン強化学習 Q学習強化学習によって脳内麻薬が出る音楽を自動生成サンクション

論文スタック論文強化学習

『デジタルゲームにおける強化学習の実践的活用』

2025/9/18 10:33:00

https://www.jstage.jst.go.jp/article/pjsai/JSAI2024/0/JSAI2024_1I5OS31b02/_article/-char/ja/

LLM 強化学習蒸留欧州AI規制法が使うモデル性能指標（事前学習計算量）は不適切事前学習生成AIモデル

生成AIモデルは少ない事前学習で性能向上が可能になってきている

2025/9/15 0:52:00

『Three challenges facing compute-based AI policies...

Actor-Critic

2024/11/1 4:07:00

MCTS

2024/11/1 3:57:00

『強化学習アルゴリズム整理 - joeの日記』

DQN

2024/11/1 3:56:00

『強化学習アルゴリズム整理 - joeの日記』

強化学習 policy gradient

Policy Gradient

2024/11/1 3:56:00

Deep Deterministic Policy Gradient 『強化学習アルゴリズム整理 - joeの日記』

強化学習 Policy Gradient

『強化学習アルゴリズム整理 - joeの日記』

2024/11/1 3:56:00

https://xuzijian629.hatenablog.com/entry/2020/01/03/212451

強化学習 OpenAI

OpenAI Gym

2024/10/14 21:49:00

『Xユーザーのhardmaruさん: 「We need to update the Gym environment for catching a Super Heavy booster. 🚀」 / X』

UI 強化学習

強化学習するUI

2024/7/11 4:48:00