索旭东

文章/答案/技术大牛

发布

LV0

发表了文章 7小时前2026-06-05 20:21:49

离线模仿学习的原理和步骤

Offline IL = 在静态数据集上加约束（保守 Q / 隐变量 / 扩散），防止策略在数据集外的状态"乱猜"，核心是"学分布、不学单点"。

索旭东 7小时前2026-06-05 20:21:50

变量、数据、算法、网络、原理

发表了文章 1天前2026-06-04 12:43:45

逆强化学习（IRL：模仿学习)的原理和步骤

IRL = 外层迭代反推 reward + 内层跑 RL 求状态分布，核心是"专家做对了的事 reward 高，做错了 reward 低"，但内外双层循环导致...

索旭东 1天前2026-06-04 12:43:46

函数、算法、原理、强化学习、动态规划

发表了文章 2天前2026-06-03 19:48:08

生成对抗模仿学习(GAIL)的原理和步骤

GAIL = GAN（判别器学 reward）+ RL（PPO 更新策略），不需要显式 reward 函数，也不需要专家在线标注，但训练不稳定且计算成本高。

索旭东 2天前2026-06-03 19:48:08

算法、网络、原理、函数、数据

发表了文章 2天前2026-06-03 19:47:31

数据集聚合(DAgger：模仿学习)的原理和步骤

行为克隆（BC）失败的根因：训练时只见过专家的状态分布，测试时策略偏离专家轨迹后，进入从未见过的状态，错误逐帧累积，一发不可收拾。

索旭东 2天前2026-06-03 19:47:31

dagger、基础、数据、网络、原理

发表了文章 4天前2026-06-01 18:07:46

行为克隆（BC：模仿学习）步骤及原理解析

行为克隆的本质是把模仿学习转化为监督学习问题，下面从"在做什么"和"怎么做"两个维度，结合工程实践详细展开。

索旭东 4天前2026-06-01 18:07:46

self、模型、数据、网络、原理

发表了文章 4天前2026-06-01 18:06:36

模仿学习常用方法对比

模仿学习 (Imitation Learning, IL) 的核心是从专家（人类/高水平策略）的演示数据中学习策略，绕过直接探索 reward 的难题。以...

索旭东 4天前2026-06-01 18:06:36

原理、机器人、函数、数据、优化

发表了文章 4天前2026-06-01 18:03:32

粒子群算法详解

粒子群算法是一种基于群体智能的随机优化技术，它通过模拟鸟群、鱼群等生物群体的社会行为来寻找最优解。下面从原理、步骤、优缺点和应用四个方面详细介绍。

索旭东 4天前2026-06-01 18:03:33

设计、搜索、算法、优化、函数

发表了文章 7天前2026-05-29 13:06:42

蚁群算法的原理与实践解析

蚁群算法（Ant Colony Optimization, ACO）是一种模拟真实蚂蚁觅食行为的群体智能算法。它巧妙地利用了蚂蚁在路径上留下的“信息素”作为间...

索旭东 7天前2026-05-29 13:06:42

原理、实践、搜索、算法、优化

发表了文章 7天前2026-05-29 13:06:29

差分进化算法（DE）详解

差分进化算法是一种基于群体差异的随机优化算法，由Storn和Price于1995年提出。它因结构简单、控制参数少、鲁棒性强而成为进化算法家族中的重要成员，尤其...

索旭东 7天前2026-05-29 13:06:29

算法、优化、神经网络、设计、搜索

发表了文章 7天前2026-05-29 13:06:04

群体智能优化算法原理及应用对比

若需处理多目标，可考虑 NSGA-II（基于GA）、MOPSO（基于PSO）、DEMO（基于DE）、MOACO（基于ACO）等专用变体。

索旭东 7天前2026-05-29 13:06:05

原理、编码、搜索、算法、优化

发表了文章 10天前2026-05-26 19:44:57

MOEA/D与NSGA-II在多目标优化中的适用性

MOEA/D和NSGA-II都是多目标进化算法中的经典代表，但它们解决问题的思路截然不同。简单来说， NSGA-II是基于“支配关系”直接筛选好解，而MOEA...

索旭东 10天前2026-05-26 19:44:58

函数、排序、算法、优化、原理

发表了文章 10天前2026-05-26 19:44:46

帕累托法则在多目标优化中的应用

基于Pareto支配的优化算法是多目标优化领域中最主流、最成熟的一类方法，核心思想很直观：直接利用"帕累托支配"这个标准来比较解的优劣，通过保留"不被支配"...

索旭东 10天前2026-05-26 19:44:46

算法、优化、原理、排序、搜索

发表了文章 10天前2026-05-26 19:44:37

帕累托解的定义与核心思想

帕累托解就是多目标优化问题中那个“ 没有办法再好了 ”的状态，不像单目标问题只有一个最优答案，而是一个由多个“好”解组成的集合。下面我将从它的定义、核心思想...

索旭东 10天前2026-05-26 19:44:37

变量、函数、集合、算法、优化

发表了文章 10天前2026-05-26 19:44:28

RLHF基于人类反馈的强化学习概述

RLHF（Reinforcement Learning from Human Feedback，基于人类反馈的强化学习），它通过人类手把手教的方式，用强化学习...

索旭东 10天前2026-05-26 19:44:28

优化、强化学习、模型、数据、算法

发表了文章 14天前2026-05-22 18:45:40

强化学习的主流方法概述

RL是 Reinforcement Learning（强化学习）的缩写，是机器学习三大范式之一（另外两个是监督学习和无监督学习），它的灵感来源于行为心理学： ...

索旭东 14天前2026-05-22 18:45:40

算法、强化学习、机器人、框架、模型

发表了文章 14天前2026-05-22 18:45:14

深度学习主流方法概述

深度学习是基础学习机制，简单来说，深度学习是机器学习的一个子集，通过构建包含多个处理层（即“深度”）的神经网络模型，来自动从海量数据中学习更抽象、更高层级的特征...

索旭东 14天前2026-05-22 18:45:14

网络、深度学习、机器人、模型、数据

发表了文章 14天前2026-05-22 18:43:24

vLLM推理引擎概述

vLLM 是一个为大模型推理专门优化的高性能开源推理引擎，它的核心思路是采用一种 PagedAttention（分页注意力）机制，将传统方法中不灵活的内存管理...

索旭东 14天前2026-05-22 18:43:24

服务、高并发、内存、性能、优化

发表了文章 14天前2026-05-22 18:41:00

大模型优化技术（RAG 和 LoRA）对比

RAG 和 LoRA 是优化大模型的两种主流且互补的技术， LoRA 是给模型“大脑升级”的技能插件，RAG 是给模型“大脑联网”的外挂知识库，分别从“模型...

索旭东 14天前2026-05-22 18:41:00

LoRa、工作、模型、优化、原理

发表了文章 14天前2026-05-22 18:40:08

INT量化的原理与核心概念

INT指低精度整型数据格式，以INT8为例，它用8个比特（0和1）来存储一个数，有256种（即2的8次方）可能的取值。

索旭东 14天前2026-05-22 18:40:08

int、量化、模型、硬件、原理

发表了文章 14天前2026-05-22 18:38:03

模型大小和显存大小的关系

模型尺寸（参数量）与显存需求之间，存在一个明确的量化关系，但远比“参数量越大，显存越大”要复杂。理解这种关系，是合理规划硬件、高效落地VLA项目的基础。

索旭东 14天前2026-05-22 18:38:03

模型、硬件、优化、部署、量化

12 3 4 5 6 7 8...16 下一页

个人简介

暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
广东省
加入社区时间：2018-06-23

个人成就

获得 373 次赞同
文章被阅读 154.8K 次

关注了：0关注者：30

索旭东