个人学习网页

分享学习经验，相互交流，共同进步

Nathan Lambert RL BOOK 学习笔记

学习 Nathan Lambert 强化学习专著的读书笔记，聚焦 RLHF、PPO、DPO 等核心技术

从"预测下一个词"出发建立直觉；尚在撰写，暂未完成

精读大模型领域经典与前沿论文，配套图表与个人解读

学习西湖大学强化学习课程笔记，涵盖强化学习基础、策略梯度、Actor-Critic 等核心内容

记录 Rust 学习中的概念与代码示例，从多线程与并发编程开始

通过视频，一起学习

用画面和讲解分享知识，让抽象的概念更容易理解。

用可视化介绍 RLHF 中的广义优势估计（GAE），从 TD 残差到优势估计，梳理反向递推的过程。

通过可视化演绎，观察尺度变换下不同梯度方法的表现。