Lilian Weng 长文梳理强化学习核心概念与经典算法
Lilian Weng 在 Lil'Log 发布强化学习综述教程，从智能体与环境交互的基本概念讲起，覆盖 MDP、Bellman 方程、动态规划、蒙特卡洛方法。
推荐理由：文章系统梳理了强化学习的核心概念与经典算法，从动态规划到策略梯度再到 AlphaGo Zero，适合作为入门起点。
模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
Lilian Weng 在 Lil'Log 发布强化学习综述教程，从智能体与环境交互的基本概念讲起，覆盖 MDP、Bellman 方程、动态规划、蒙特卡洛方法。
推荐理由：文章系统梳理了强化学习的核心概念与经典算法，从动态规划到策略梯度再到 AlphaGo Zero，适合作为入门起点。