RL 数学 Note 7：基于模型的强化学习 | Feixiang Tao
RL Mathematics 2026-05-12 · 2 min read

RL 数学 Note 7：基于模型的强化学习

RL Mathematics CS285

学习环境模拟器的可行性、分布偏移、信任区域、悲观主义与探索，以及贝叶斯与 Bootstrap 不确定性。

完整讲义

本页链接到 CS 285 第 15 讲的完整交互式讲义（含幻灯片原图、KaTeX 公式与侧边栏导航）。讲义以独立页面形式呈现，可在新标签页中全屏阅读。

CS 285 Lec 15：Model-Based RL

点击在新标签页打开完整讲义。

备用链接

END

Series: RL Mathematics

  1. 1. RL 数学 Note 1：值函数与贝尔曼期望方程
  2. 2. RL 数学 Note 2：贝尔曼最优方程、值迭代与策略迭代
  3. 3. RL 数学 Note 4：随机近似、TD 与 Q-learning
  4. 4. RL 数学 Note 5：策略梯度、Baseline 与 Off-Policy
  5. 5. RL 数学 Note 6：序列决策与大语言模型的强化学习
  6. 6. RL 数学 Note 7：基于模型的强化学习
  7. 7. RL 数学 Note 8：基于模型的强化学习算法
  8. 8. RL 数学 Note 9：离线强化学习
  9. 9. RL 数学 Note 10：离线强化学习算法

Comments