强化学习
再看神经量子态：强化学习视角下的训练优化Duque et al. (2026) 将变分能量最小化重新表述为优势策略梯度问题，提出 PWO（Proximal Wavefunction Optimization）置信域算法——通道分离裁剪+样本复用，无需矩阵求逆，在 15 亿参数 RWKV-7 模型上验证了三个数量级的 NQS 优化规模提升。 2026-07-05 强化学习的数学原理
从数学角度系统介绍强化学习的基本概念、核心工具与经典算法。 2026-06-24 强化学习入门
从基础概念到 Alpha Zero，动态规划、无模型控制、深度强化学习。 2026-06-23