Q-learning，在不知道环境模型时学习行动价值
一边走，一边学
我所理解的教育v2.0
I Am What I Am.
从 GridWorld 理解强化学习：状态、价值函数和动态规划
未来收益，决定当下的选择
从多臂老虎机开始理解强化学习：探索与利用
赌一次靠运气，长期赌靠技术。
那些年，一起看过的世界杯
快乐老头的最后一次世界杯旅行
读完《马斯克原理》，我重新想了想“努力”这件事
你所面对的限制，究竟来自客观规律，还是仅仅来自习惯与想象？
是的，微信 + AI 官宣了
命运的齿轮就开始转动了。
你经常听说无法被 AI 替代的“品味”，真的会是人类最后的壁垒吗？
让一个承认自己在自欺欺人，难度有多大？
4家万亿公司抢一个300亿市场，他们在赌什么？
Coding Agent → Tool Use → Planning → Self Verification → Self Improvement → AGI
OpenAI Agentic OS将豆包手机开始的革命更进一步
革命尚未成功，同志仍需努力。
Intel喊了三年的 AI PC，黄仁勋一来就把桌子给掀了
信老黄，得永生
评论
提问或许是最好的学习方式。