标签
#reinforcement-learning
包含此关键词的事件：5 个
1989论文
Q-learning 算法
Chris Watkins 提出 Q-learning，成为强化学习领域最基础和广泛使用的算法之一。
#reinforcement-learning#q-learning#decision-making
2016里程碑
AlphaGo战胜李世石
DeepMind的AlphaGo以4:1战胜围棋世界冠军李世石，展示了深度强化学习的威力。
#reinforcement-learning#go#deepmind
2017模型
AlphaGo Zero：无需人类知识
DeepMind 发布 AlphaGo Zero，仅通过自我对弈学习，超越所有围棋AI。
#reinforcement-learning#go#deepmind
2019里程碑
OpenAI Five：Dota2 AI冠军
OpenAI Five 击败 Dota2 世界冠军战队，展示 AI 在复杂团队游戏中的能力。
#reinforcement-learning#game-ai#dota2
2025模型
DeepSeek R1：开源推理模型
DeepSeek 发布 R1 推理模型，性能媲美 o1，并完全开源。
#llm#reasoning#deepseek