RL Study

从生活直觉开始理解强化学习

RL Study 是一套中文互动强化学习课程。它不从公式和代码起步，而是先让学习者进入具体情境，做出选择、观察结果，再给刚刚体验过的结构贴上强化学习的名字。

课程按 9 个阶段组织，共 27 个主题：

• 反馈与试错
• 智能体、环境、状态、动作、奖励与回合
• 探索与利用
• 奖励、回报与价值
• 蒙特卡洛、时序差分与学习率
• SARSA、Q-learning、On-policy 与 Off-policy
• 函数逼近、DQN、经验回放与目标网络
• 策略梯度、Actor-Critic 与 PPO
• 机器人、Sim-to-real、LLM 与 RLHF

每一课的学习方式

每一课都围绕一个生活问题展开：

1. 先做预测，暴露当前直觉。
2. 只改变一个条件，观察结果变化。
3. 拆开因果结构，再引入术语和必要的数学。
4. 换一个场景检查理解能否迁移。

课程不要求先补完高等数学，也不把写代码当作入门阶段的掌握标准。数学会在真正有助于精确理解时出现，并且可以随时收起。

进入 RL Study 互动课程