专注高性能计算领域资讯
专注高性能计算领域资讯
Actor-Critic
多智能体强化学习是无人集群、自动驾驶、机器人协同的前沿方向，MADDPG、MAPPO几行PyTorch代码就能跑通双智能体demo。可真实课题一上手就崩——几十个智能体的Actor-Critic网络显存翻倍膨胀、经验回放池吃掉大半个硬盘、集中式Critic的联合状态输入维度爆炸。更头疼的是，集群控制策略、奖励函数设计、仿真场景数据全是实验室的核心成果，数据涉密不敢传云端API，CUDA OOM、r […]
你在Ray集群上启动了PPO策略网络训练，Actor和Critic分别挂在两个节点，经验回放池（Replay Buffer）堆了十万条trajectory，GAE优势估计开起来，日志里刚打印完Episode 1, mean reward: -142.3，下一秒终端一片血红——ray.exceptions.OutOfMemoryError: Plasma store ran out of memor […]
2025年6月，西安交通大学管理学院王尧教授团队的一篇论文出现在运营管理领域顶刊《Production and Operations Management》上。这篇题为”Deep Reinforcement Learning for Online Assortment Customization”的研究，解决的是一个看起来抽象、实际上却跟每个电商平台的后台密切相关的问题：面 […]
引言：2021年诺贝尔经济学奖的一半授予David Card，以表彰他对劳动经济学的实证贡献；另一半授予Joshua Angrist和Guido Imbens，以表彰他们对因果关系分析的方法论贡献。Card在1994年使用双重差分法（DID）对比新泽西州与宾夕法尼亚州的快餐店，得出”提高最低工资未必减少就业”的反直觉结论，震动了整个经济学界。近三十年后，这套曾用于评估政策因 […]
16分10秒的世界纪录 2025年10月18日清晨，张家界天门山浓雾笼罩。 全长10.77公里、垂直落差1100米、拥有99道急弯的”通天大道”上，一台AI赛车如离弦之箭冲出起跑线。行至首个回头弯后赛车驶入隧道盲区，凭借多源传感器融合定位技术精准锚定方位，稳稳冲出隧道。下坡路段地面湿滑，轮胎在蜿蜒赛道间精准抓地，弯心距离把控精确到厘米级。 冲线瞬间，时间定格在16分10秒8 […]
文章分类
新闻订阅
订阅新闻简报
掌握信息主动权
精选行业动态 + 全网热点，不遗漏关键信息