深度确定性策略梯度算法（Deep Deterministic Policy Gradient，DDPG）是一种Actor-Critic框架的算法，该算法常用于连续控制任务（动作空间为连续型），其中Actor网络产生的动作是具体的、确定的动作而非动作的分布，因此被称为“确定性”策略梯度。本文介绍深度确定性策略梯度算法。

继贝尔曼期望方程之后，对贝尔曼最优方程的公式推导。结合图文更好理解。

在安装MIMIC III数据库过程中踩到的坑与解决方案记录。

基于策略的强化学习方法通过计算动作分布进行动作选择。策略梯度算法（policy gradient，PG）是经典的基于策略的强化学习方法，本文对策略梯度算法进行介绍。

本文承接前一篇文章，对其中vllm加速方式进行修改，推理速度获得了极大提升。另外，在延用多路投票的同时，通过调整大语言模型的参数获得了一些分数的提升。

本文解释了贝叶斯神经网络（Bayes Neural Network, BNN）、变分推断（variational inference, VI）及二者之间的关系。

一些入门强化学习的学习资源。

继贝尔曼期望方程之后，对贝尔曼最优方程的公式推导。结合图文更好理解。

本文解释了贝叶斯神经网络（Bayes Neural Network, BNN）、变分推断（variational inference, VI）及二者之间的关系。

在Linux服务器部署Llama模型的注意事项。