CS 234: Reinforcement Learning

这篇适合谁读

这篇适合希望补 AI、LLM、系统、视觉或生成模型基础的人阅读。它把课程定位、学习价值和适合产出的笔记方向整理成公开路线，便于按目标选择课程。

Emma Brunskill 主讲。强化学习核心课程——马尔可夫决策过程、策略梯度、模型基 RL。RLHF（基于人类反馈的强化学习）的理论基础。

基本信息

课程简介

涵盖马尔可夫决策过程、RL 基础、大规模域扩展、探索挑战。包含深度强化学习作业。应用于机器人、游戏、消费者建模和医疗保健。

先修要求

• Python 编程
• CS 229 或同等课程
• 线性代数
• 基础概率

公开资源

• YouTube: 讲座录像
• GitHub: 课程材料

与个人发展的关联

• RLHF 是 ChatGPT 等 LLM 训练的关键技术
• 理解 RL 对开发对齐的 AI 系统至关重要
• CS 336 的 Assignment 5（对齐与推理 RL）需要这门课的基础
• Emma Brunskill 是 RL 领域顶尖学者

状态

已收录课程基本信息，待后续深入学习。