https://styleofwong.cn/tags/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/Recent content in 强化学习 on 王辉赳的小站https://styleofwong.cn/apple-touch-icon.pnghttps://styleofwong.cn/apple-touch-icon.pngHugozh-CNSun, 28 Jun 2026 19:30:00 +0800https://styleofwong.cn/posts/balatro-rl-design/Sun, 28 Jun 2026 19:30:00 +0800https://styleofwong.cn/posts/balatro-rl-design/如果要在 Balatro 白注达成 99% 的 Ante 8 通关率,RL 算法该怎么设计?本文从游戏机制建模、状态/动作空间、奖励塑形到算法选型,给出一份可落地的技术蓝图,并解释为什么纯 PPO 走不通、必须用 MCTS+RL 的混合架构。https://styleofwong.cn/posts/rl-breakthroughs-alphazero-dota/Sun, 28 Jun 2026 19:00:00 +0800https://styleofwong.cn/posts/rl-breakthroughs-alphazero-dota/AlphaZero 与 OpenAI Five 是强化学习的两座里程碑。它们各自撞上了哪些墙?又用怎样的工程与算法创新把它们撞倒?本文用金字塔结构拆解:三大共性难关 —— 数据、稳定性、规模 —— 以及各自的破局之道。https://styleofwong.cn/posts/reinforcement-learning-intro/Sun, 28 Jun 2026 18:00:00 +0800https://styleofwong.cn/posts/reinforcement-learning-intro/强化学习是让 AI 学会『在试错中成长』的范式。本文从最核心的直觉出发,讲清楚 MDP、贝尔曼方程、Q-Learning,并附一个可运行的 Python 示例。