Note¶ Paper Reading¶ Reinforcement Learning Model-based RL with uncertainty 蒙特卡罗树搜索（MCTS） - 介绍 Background and decision-time planning Language Modeling Woodpecker: Hallucination Correction for Multimodal Large Language Models Book Reading¶ Reinforcement Learning: An Introduction (Richard S. Sutton and Andrew G. Barto) 强化学习导论（一）- 强化学习问题（略） 强化学习导论（二）- 多臂老虎机 强化学习导论（三）- 有限马尔可夫决策过程 强化学习导论（四）- 动态规划 强化学习导论（五）- 蒙特卡罗方法 强化学习导论（六）- 时序差分学习 强化学习导论（七）- n 步自助法 强化学习导论（八）- 规划与学习 强化学习导论（九）- On-Policy的近似预测 强化学习导论（十）- On-Policy的近似控制 强化学习导论（十一）- Off-Policy的近似方法 强化学习导论（十二）- 资格迹 强化学习导论（十三）- 策略梯度法 Last update: November 2, 2023