热点事件持续更新

强化学习基础教程《从零开始的 OCR-0》发布

1 篇报道1 个报道来源20 小时前更新

先了解这件事

AI 综述

2026年11月1日，LINUX DO 社区发布技术教程《从零开始的 OCR-0——基础篇 [RL]》。该教程系统梳理了强化学习（RL）的基础理论，重点阐释了强化学习在缺乏单步监督的探索性任务中，相较于监督微调（SFT）存在的机制差异。在理论推导部分，内容展示了马尔可夫过程下的贝尔曼方程（Bellman equation），并详细解析了状态价值与动作价值之间的关联。此外，针对 Value-based 方法，教程进一步对比了蒙特卡洛（Monte Carlo）与时序差分（Temporal Difference）两种路径的更新逻辑，并对其方差与偏差特性进行了分析。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月1日

23:04
LINUX DO 最新
从零开始的 OCR-0——基础篇 [RL]
教程梳理了强化学习（RL）的基础理论，阐释其在无单步监督的探索性任务中相比 SFT 的机制差异。内容推导了马尔可夫过程下的贝尔曼方程（Bellman equation），并解析了状态价值与动作价值的关联。针对 Value-based 方法，进一步对比了蒙特卡洛（Monte Carlo）与时序差分（Temporal Difference）的更新逻辑及方差偏差特性。

本事件热度走势

当前热度 6·可比范围峰值 6（11月2日 15:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。