Hugging Face 深度强化学习课程

学什么

状态、动作、奖励、Q-learning、策略梯度与 PPO。重点用于理论学习。README 明确处于低维护状态，部分实践功能不可用；本次未复现其训练代码。

推荐阅读章节

• units/en/unit1/rl-framework.mdx
• units/en/unit2/q-learning.mdx
• units/en/unit8/intuition-behind-ppo.mdx

版本与维护状态

本次固定默认分支快照 dbc53d83582884d06fb2a4b9e388405afdd34b18。该分支最近提交时间为 2026-10-06T09:31:49Z，仓库最近 push 时间为 2026-10-06T09:34:00Z；两者含义不同，push 不保证教材章节发生更新。运行示例前仍需核对依赖、模型和服务版本。

许可与本站使用方式

Apache-2.0。许可依据：LICENSE.md。

本站笔记是用自己的结构与示例重新整理的概念学习材料；本次没有导入原文、图片、数据集或课程代码，没有运行课程中的模型训练或 API 示例。