Продвинутые RL алгоритмы: NPG, TRPO, PPO
Продолжение постов про RL:1) Intro Reinforcement Learning2) Reinforcement Learning: Model-free & Deep RL3) Reinforcement Learning: Policy gradient methods
Reinforcement Learning: Policy gradient methods
Полезные ссылки:Тренировки. Лекция 5: Современные методы обучения с подкреплением. Advantage actor critic, RLHFPractical RL: Policy gradient methodsPolicy Gradient – Федор РатниковТест ниже представляет собой агрегацию лекций, на которые даны ссылки выше.Мой тг канал: not magic neural networksПеред прочтением можно ознакомиться с предыдущими статьями Intro Reinforcement Learning и
