arXiv:2412.05265cs.AIcs.LG2024-12综述
全面梳理强化学习最新进展，涵盖主流方法与前沿方向。
Reinforcement Learning: An Overview
- 从价值、策略、模型三类方法出发系统归纳
- 覆盖离线强化学习、多智能体等关键子领域
- 适合初学者快速掌握强化学习全貌
本文提供了一幅关于（深度）强化学习与序列决策制定领域的全景图，内容涵盖基于价值的方法、基于策略的方法、基于模型的方法、多智能体强化学习、大语言模型与强化学习的结合，以及其他相关主题（如离线强化学习、分层强化学习、内在奖励机制）。文中还包含使用强化学习训练大语言模型的代码片段。
原文摘要 · Abstract (English)
This manuscript gives a big-picture, up-to-date overview of the field of (deep) reinforcement learning and sequential decision making, covering value-based methods, policy-based methods, model-based methods, multi-agent RL, LLMs and RL, and various other topics (e.g., offline RL, hierarchical RL, intrinsic reward). It also includes some code snippets for training LLMs with RL.
强化学习大模型综述
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。