月出兮彩云归 🌙

摘要： 简单看看近期的 Pb-MARL 工作。 阅读全文

摘要： offline meta RL 近期工作的速读记录。 阅读全文

摘要： offline meta RL 经典论文的速读记录。 阅读全文

摘要： 2025.12 | 速读文章纪录 阅读全文

摘要： 存档，博士生资格考试的 20 篇文献。 阅读全文

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

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

摘要： 2025.11 | 速读文章纪录 阅读全文

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

摘要： 速读一下 IJCAI 2025 的 RL 相关论文。 阅读全文

摘要： 2025.10 | 速读文章纪录 阅读全文

摘要： 2025.09 | 速读文章纪录 阅读全文

摘要： 2025.08 | 速读文章纪录 阅读全文

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

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

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

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

摘要： 2025.07 | 速读文章纪录 阅读全文

摘要： 偶然看到了 AIR-DREAM Lab 的主页，读一下。 阅读全文

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

摘要： 2025.06 | 速读文章纪录 阅读全文

摘要： （一时半会写不完了） 阅读全文

摘要： 2025.05 | 速读文章纪录 阅读全文

摘要： git fetch origin, git stash, git checkout -b [] origin/[] 阅读全文

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

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

摘要： 2025.04 | 速读文章纪录 阅读全文

摘要： 如何在 Linux（Ubuntu）系统安装 miniconda。 阅读全文

摘要： 不明觉厉的记下了…… 阅读全文

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

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

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

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

摘要： 读了一些 LLM agent 玩各种游戏的论文。 阅读全文

摘要： 2025.03 | 速读文章纪录 阅读全文

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

摘要： 出分后发布笔记…… 阅读全文

摘要： 出分后发布笔记…… 阅读全文

摘要： 2025.02 | 速读文章纪录 阅读全文

摘要： 添加 RemoteForward 127.0.0.1:7890 127.0.0.1:7890 阅读全文