V
主页
京东 11.11 红包
【RLChina 2023】Workshop1 袁洋 On the Power of Foundation Models
发布人
课件下载:http://rlchina.org/rlchina_2023/
打开封面
下载高清视频
观看高清视频
视频下载器
【RLChina 2021】第11课 多智能体入门(一) 杨耀东
【RLChina 2023】主旨报告 安波 Towards Foundation Agents:Autonomous Agents, AI Agents
【RLChina 2023】Workshop1 王立威 A Theory of Chain of Thought
【RLChina 2023】主旨报告 邓小铁 On Provable Bound of Nash Equilibrium Approximtor
【RLChina 2023】特别论坛 王磊 When Large Language Model based Agent Meets User Behavior
【RLChina 2023】Workshop4 郑岩 大模型时代下的AGI Agent
【RLChina 2023】Workshop8 许华哲 基础大模型一机器人操作的先验知识库
【RLChina 2022】前沿进展五:应用多智能体强化学习解决现实问题——机遇和挑战 方飞
【RLChina 2023】Workshop3 林衍凯 大模型工具学习
【RLChina 2023】Workshop1 Jean-Claude Belfiore Reality and its representations:a m
【RLChina 2023】Workshop8 陈立 基于RL的足式机器人控制技术
【RLChina 2023】Tutorial 杨梦月 Causality For Decision Making
具身智能新思路———Diffusion Policy 结合 PPO 模仿+强化 (上)
【RLChina 2023】Workshop8 张新宇 智能体精细灵巧操作关键问题研究
【RLChina 2023】Workshop9 杨宁 智能运筹创新应用
【RLChina 2023】Workshop7 张崇洁 Offiline Reinforcement Learning with Reward-Free Dat
【RLChina 2023】Tutorial 杜雅丽 Cooperation in Multi-Agent Learning:A Review
【RLChina 2023】Workshop2 章宗长 驾驭信息:智能决策Agent的设计及挑战
【RLChina 2023】Tutorial 张伟楠 强化学习入门
【RLChina 2023】Tutorial 方蒙 Generative AI:NLP
【RLChina 2023】Workshop4 Panel Discussion 大语言模型辅助的智能体决策与推理
【RLChina 2023】Workshop5 石野 Responsible AI for Decision and Control via Implicit
【RLChina 2020】第12讲 Multi-agent RL: From a Mean-Field Perspective
【RLChina 2021】第0课 课程及相关活动介绍 汪军
【RLChina 2023】Workshop2 黄隆波 Training a Sparse Deep Reinforcement Learning Model
【RLChina 2020】第4讲 Model-based Reinforcement Learning
【RLChina论文研讨会】第78期 胡紫灿 多智能体强化学习中基于注意力的对比角色表征
科技发展靠游戏?
【RLChina 2023】Workshop3 Panel Discussion 智能体大模型与基于语言大模型的智能体
【RLChina 2023】Workshop6 杨成 大语言模型智能体合作框架
【RLChina论文研讨会】第81期 曲云 一种基于真实王者荣耀游戏的离线强化学习数据集
【RLChina 2023】主旨报告 刘群 大语言模型的自我改进和自我进化
【RLChina 2022】理论课一:机器学习和深度学习基础 陈旭
【RLChina 2021】第10课 强化学习前沿(二)俞扬
【RLChina 2022】专题报告二:贝叶斯优化 汪军、Rasul Tutunov
【RLChina论文研讨会】第34期 马一宁 解决车辆路径问题的深度强化学习方法:近期发展及挑战
【RLChina 2021】第12课 多智能体入门(二) 杜雅丽
宇树B2-W轮足载人
【RLChina 2020】第10讲 Deep Multi-agent Learning
【RLChina论文研讨会】第19期 袁雷 Multi-Agent Incentive Communication via Decentralized Team