AI Engineering · 第 10 章 强化学习

AI Engineering · 第 10 章 强化学习

章节摘要:本章对应原课程「09-reinforcement-learning」,属「第二篇·生成与强化」。通过试错学习决策——从 Q 学习到 RLHF。本章共 12 节,前置依赖为「第3章」。强化学习让模型从「模仿」走向「探索」,也是 RLHF 的根基。 本章将带你逐节吃透这一领域的核心概念,并尽量从零手工实现,再用主流框架对比验证。

学习目标

阅读完本章,你应当能够:

1. 理解强化学习在整个 AI 工程体系中的定位(通过试错学习决策——从 Q 学习到 RLHF)。
2. 掌握本章 12 节覆盖的核心概念与算法。
3. 能够从零实现本章的关键模型/机制,并用框架对比验证。
4. 说清本章与前后章节的依赖关系(前置:第3章)。
5. 识别本章主题在生产实践中的常见应用与陷阱。

注:具体学习目标将在各子节汉化时细化为可考核的能力点。

核心概念速览

强化学习让模型从「模仿」走向「探索」,也是 RLHF 的根基。

注:本章的 Mermaid 概念图将在支柱页完善时替换为本章核心架构/流程图(基于原 Phase README 与首节内容绘制)。

子章节导航

01 MDPs, States, Actions & Rewards

02 Dynamic Programming — Policy Iteration & Value Iteration

03 Monte Carlo Methods — Learning from Complete Episodes

04 Temporal Difference — Q-Learning & SARSA

05 Deep Q-Networks (DQN)

06 Policy Gradient — REINFORCE from Scratch

07 Actor-Critic — A2C and A3C

08 Proximal Policy Optimization (PPO)

...(本章共 12 节,详见原项目 phases/09-reinforcement-learning/)

子章节之间的逻辑关系

本章共 12 节,按原课程的编号顺序递进。详细的逻辑关系图将在支柱页完善时补充(基于各节的依赖与铺垫关系)。

本章第 01 节 ... ──► 第 12 节
   │
   ▼
下一章(第 11 章)
​

前置知识与后续延伸

前置知识:

• 第3章

本章为后续章节奠定的基础:

• 见原课程 README 的 Phase 依赖图(原项目根 README.md)。

本章支柱页为骨架初稿,各板块将在对应章节汉化推进时细化。原英文内容位于 phases/09-reinforcement-learning/,每节正文为 docs/en.md,汉化状态见「教程规划.md」的待汉化清单。