RL-07-赵-不基于模型2-计算Q/ActionValue-TD算法04：Q-Learning02【On-policy：行为策略=目标策略】【Off-policy：行为策略≠目标策略】-开发者社区

RL-赵-(七)-不基于模型5：Q-Learning【TD算法】【离线】【基于RM算法在无模型条件下求解贝尔曼最优公式-＞直接计算出最优ActionValue-＞直接更新目标π】【无需PE与PI迭代】

二、Off-policy、On-policy

在深入研究Q-learning之前，我们首先介绍两个重要的概念，首先，在TD learning task中存在两个策略：

第一个是behav

CentOS 7部署Zabbix 5.0 LTS监控系统：从零到一的完整教程

在运维和网络工程这个行当里，踩过的坑多了之后，你会发现一件很有意思的事：很多刚入职的同事或者正在学监控系统的同学，卡住他们的往往不是Zabbix本身多难用，而是从零到一部署这套东西的过程中，各种细节没对…

李华

openclaw2026.3.13 龙虾安装 qq 插件的坑：plugins install 与 channels add 配置避雷

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

李华

轨道紧固件缺陷检测数据集VOC+YOLO格式611张6类别

数据集格式：Pascal VOC格式YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：611标注数量(xml文件个数)：611标注数量(txt文件个数)：611标注类别数&…

李华

GNSS电离层延迟估计全解析：从物理机制到RTKLIB工程实践

做GNSS定位的朋友应该都遇到过这种情况：明明是晴天、卫星数也足够，固定解却突然“飘”出去几米，或者单点定位精度肉眼可见地变差。如果恰好又赶上太阳活动活跃的年份，这种情况会更频繁，甚至连续几天都没法达到厘米级。…

李华

模型压缩与优化实战：剪枝、量化、蒸馏与部署全流程解析

如果你平时也在做模型训练和部署，应该有过这种体会：模型在验证集上跑得挺好，一到真实环境就发现体积大、推理慢、显存吃紧，甚至是线上机器根本带不动。我这次要分享的项目“Model-Optimizer”就是专门解决这一串问题的——按我的理…

李华

GitHub Copilot 能为程序员带来什么？从代码补全到 TaoToken 统一 API 的实战链路

李华