谷歌DeepMind科学家Kevin Murphy最新巨著《Reinforcement Learning: An Overview》，全面系统梳理强化学习理论与实践，覆盖：

• 序列决策基本框架，MDP、POMDP及其变种解析

• 价值函数与策略优化，涵盖SARSA、Q-learning、策略梯度及Actor-Critic方法

• 模型学习与规划，详解决策时规划与背景规划两大范式

• 多智能体强化学习，涉及博弈论基础、均衡解概念及先进算法

• LLM与强化学习融合，介绍RL微调、奖励模型学习及基于LLM的策略生成

• 探索-利用权衡、内在奖励与层次化强化学习等前沿话题

• 离线强化学习与通用智能理论，深挖算法稳定性与泛化能力

该文兼具理论深度与实践指导价值，是科研和工程不可多得的参考宝典。

🔗 详见 arxiv.org/abs/2412.05265

强化学习 深度学习 人工智能 大模型 多智能体 模型预测控制