PTE RL

 实词  重点词  

已经把高频刷得很熟 再去泛听   

 不要在意语法逻辑

读到滚瓜烂熟

如果没有30  再重头说

写实词   反复出现的实词

 不靠逻辑  把词语填进去   每个空不超过两个   不要卡顿

 读重 读慢的尽量抓出来   重复模板

 每排写两道三个单词

 这道题分值不高，不用放过多时间，

模板流利度

关键性单词

本栏目推荐文章
• offline RL | Pessimistic Bootstrapping (PBRL)：在 Q 更新中惩罚 uncertainty，拉低 OOD Q value
• offline RL | BCQ：学习 offline dataset 的 π(a|s)，直接使用 (s, π(s)) 作为 Q learning 训练数据
• offline RL | IQL：通过 sarsa 式 Q 更新避免 unseen actions
• offline RL | TD3+BC：在最大化 Q advantage 时添加 BC loss 的极简算法
• 适合家电和消费类应用R7F101GLG2DFA、R7F101GLE2DFA、R7F101GLG3CFA、R7F101GLE3CFA新一代RL78通用微控制器（MCU）
• off-policy RL | Advantage-Weighted Regression (AWR)：组合先前策略得到新 base policy
• RLHF · PBRL | 发现部分 D4RL tasks 不适合做 offline reward learning 的 benchmark
• off-line RL | CQL：魔改 Bellman error 更新，得到 Q 函数 lower-bound
• RL 基础 | Policy Iteration 的收敛性证明
• 一文读懂强化学习：RL全面解析与Pytorch实战