OFF
Off-Policy Deep Reinforcement Learning without Exploration
**发表时间：**2019（ICML 2019） **文章要点：**这篇文章想说在offline RL的setting下，由于外推误差（extrapolation errors）的原因，标准的off-policy算法比如DQN，DDPG之类的，如果数据的分布和当前policy的分布差距很大的话，那就 ......
Learning Off-Policy with Online Planning
**发表时间：**2021（CoRL 2021） **文章要点：**这篇文章提出Off-Policy with Online Planning (LOOP)算法，将H-step lookahead with a learned model和terminal value function learne ......
Value targets in off-policy AlphaZero: a new greedy backup
**发表时间：**2021 **文章要点：**这篇文章给AlphaZero设计了一个新的value targets，AlphaZero with greedy backups (A0GB)。 AlphaZero的树里面有探索，而value又是所有结果的平均，所以并不准确。而选动作也是依概率选的，但真 ......
高版本off by null的总结
高版本libc(2.29-2.32) off by one的总结 首先介绍off-by-null各个版本的变化，不过说实话高版本libc(2.29-2.32) off by one有点不太适用现在的情况了，因为在相同的条件下完全可以适用更方便的方法而且限制更少，比如house of apple ,h ......
vue中 ref、$refs、$emit、$on、$bus、$off 详解和使用
1.ref 和 $refs ref 被用来给元素或子组件注册引用信息， 引用信息将会注册在父组件的 $refs 对象上，如果是在普通的DOM元素上使用，引用指向的就是DOM元素，如果是在子组件上，引用就指向组件的实例。 $refs 是一个对象，持有已注册过 ref 的所有的子组件。 ref用法： r ......
项目启动会（project initiating meeting）与项目开工会（kick-off meeting）
项目启动会 Initiating Meeting召开时间：是启动阶段结束时召开的会议；主要任务：发布项目章程，并任命项目经理，赋予项目经理动用组织资源的权力；注意事项：（1）会议召开前已经对干系人进行了识别，已经有了干系人登记册与干系人管理策略。此时应当让各方干系人进行认识和会面，让客户方领导表达信 ......
行为策略与目标策略、On-policy与Off-policy
在强化学习中，行为策略和目标策略的区别在于，行为策略是智能体在环境中实际采取的策略，而目标策略是智能体希望学习的最优策略。¹ 行为策略和目标策略的差异会影响到强化学习算法的选择和性能。¹ 行为策略和目标策略都是强化学习中的重要概念。 (1) 强化学习中，确定性策略和随机策略的区别，以及各自经典的算法 ......
git push error: not Signed-off-by author/committer/uploader in commit message footer
报错内容 git push error: not Signed-off-by author/committer/uploader in commit message footer 解决方案 点击查看代码 1. git commit --amend -s # 回车后，(1)删除或者按照commit规范 ......