tan_1999的博客

记录一下资料链接1链接2

看陈蕴侬老师的视频，简单记录一下对强化学习三种分类的理解1.Value-based RL1.1 基本理解Q（s,a）值是指在状态s下采取动作a可以获取的value。这种学习模式的目标就是最后得到最大的Q值。那么在最后预测阶段就是根据我们学到的Q-value function 来在状态s下选择action那么什么是Value高呢？应该是根据future total reward来衡量。最好的Value function等同于使用最好的策略π的情况下得到的Value最终表示：2.问题表

读到一篇论文中对Bert的一点简单介绍，感觉比较便于加深理解，在此mark一下。BERT [6] is a transformer [49] model that learns textual representations by conditioning on both left and right context for all layers. BERT was pre-trained for two different tasks, MLM and NSP. For MLM, 15% of the