llm_learn

外观

L00 · 课程参考资料 ​

本页按 CS224R Spring 2026 的课程顺序汇总各讲涉及的讲义、视频、代码与延伸阅读。每讲页面仍保留与本讲直接相关的资料入口。

资料索引

按课程顺序整理讲义、视频、代码与延伸阅读；每一项都保留在对应讲次下。

44 条资料 · 17 讲 · 44 次关联

01

Course Intro + Start of MDPs & Imitation

1 条资料

讲义 / SlidesCourse Intro + Start of MDPs & Imitation课程官方页面所列资料；访问权限与版本以原站为准。
02

Imitation Learning

6 条资料

讲义 / SlidesImitation Learning课程官方页面所列资料；访问权限与版本以原站为准。文档PDF课程官方页面所列资料；访问权限与版本以原站为准。文档code课程官方页面所列资料；访问权限与版本以原站为准。文档template课程官方页面所列资料；访问权限与版本以原站为准。论文Diffusion Policy: Visuomotor Policy Learning via Action Diffusion.课程官方页面所列资料；访问权限与版本以原站为准。论文Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware.课程官方页面所列资料；访问权限与版本以原站为准。
03

Policy Gradients

2 条资料

讲义 / SlidesPolicy Gradients课程官方页面所列资料；访问权限与版本以原站为准。文档Simple statistical gradient-following algorithms for connectionist reinforcement learning.课程官方页面所列资料；访问权限与版本以原站为准。
04

Actor-Critic Methods

7 条资料

讲义 / SlidesActor-Critic Methods课程官方页面所列资料；访问权限与版本以原站为准。文档PDF课程官方页面所列资料；访问权限与版本以原站为准。文档code课程官方页面所列资料；访问权限与版本以原站为准。文档template课程官方页面所列资料；访问权限与版本以原站为准。文档compute guide课程官方页面所列资料；访问权限与版本以原站为准。文档Policy Gradient Methods for Reinforcement Learning with Function Approximation.课程官方页面所列资料；访问权限与版本以原站为准。论文Proximal Policy Optimization.课程官方页面所列资料；访问权限与版本以原站为准。
05

Off-Policy Actor Critic Methods

2 条资料

讲义 / SlidesOff-Policy Actor Critic Methods课程官方页面所列资料；访问权限与版本以原站为准。论文Playing Atari with Deep Reinforcement Learning.课程官方页面所列资料；访问权限与版本以原站为准。
06

Q-learning

3 条资料

讲义 / SlidesQ-learning课程官方页面所列资料；访问权限与版本以原站为准。论文Deep Reinforcement Learning with Double Q-learning.课程官方页面所列资料；访问权限与版本以原站为准。论文A Distributional Perspective on Reinforcement Learning.课程官方页面所列资料；访问权限与版本以原站为准。
07

Offline RL

2 条资料

讲义 / SlidesOffline RL课程官方页面所列资料；访问权限与版本以原站为准。论文Offline Reinforcement Learning with Implicit Q-Learning.课程官方页面所列资料；访问权限与版本以原站为准。
08

Reward Learning

5 条资料

讲义 / SlidesReward Learning课程官方页面所列资料；访问权限与版本以原站为准。文档PDF课程官方页面所列资料；访问权限与版本以原站为准。文档code课程官方页面所列资料；访问权限与版本以原站为准。文档template课程官方页面所列资料；访问权限与版本以原站为准。论文Deep reinforcement learning from human preferences.课程官方页面所列资料；访问权限与版本以原站为准。
09

RL for LLMs: Preference Optimization (Guest Lecture: Archit Sharma)

3 条资料

讲义 / SlidesRL for LLMs: Preference Optimization (Guest Lecture: Archit Sharma)课程官方页面所列资料；访问权限与版本以原站为准。论文Direct Preference Optimization: Your Language Model is Secretly a Reward Model.课程官方页面所列资料；访问权限与版本以原站为准。论文IPO: Your Language Model is Secretly a Preference Classifier.课程官方页面所列资料；访问权限与版本以原站为准。
10

RL for LLMs: Reasoning (Guest Lecture: Noam Brown)

1 条资料

讲义 / SlidesRL for LLMs: Reasoning (Guest Lecture: Noam Brown)课程官方页面所列资料；访问权限与版本以原站为准。
11

Model-Based RL

2 条资料

讲义 / SlidesModel-Based RL课程官方页面所列资料；访问权限与版本以原站为准。论文When to Trust Your Model: Model-Based Policy Optimization.课程官方页面所列资料；访问权限与版本以原站为准。
12

Multi-Task and Goal-Conditioned RL

2 条资料

讲义 / SlidesMulti-Task and Goal-Conditioned RL课程官方页面所列资料；访问权限与版本以原站为准。论文Hindsight Experience Replay.课程官方页面所列资料；访问权限与版本以原站为准。
13

Meta-RL

2 条资料

讲义 / SlidesMeta-RL课程官方页面所列资料；访问权限与版本以原站为准。论文RL 2 : Fast Reinforcement Learning via Slow Reinforcement Learning.课程官方页面所列资料；访问权限与版本以原站为准。
14

Hierarchical RL and IL

2 条资料

讲义 / SlidesHierarchical RL and IL课程官方页面所列资料；访问权限与版本以原站为准。论文Do As I Can, Not As I Say: Grounding Language in Robotic Affordances.课程官方页面所列资料；访问权限与版本以原站为准。
15

RL for Robots: Sim-to-Real Transfer (Guest Lecture: Guanya Shi)

2 条资料

讲义 / SlidesRL for Robots: Sim-to-Real Transfer (Guest Lecture: Guanya Shi)课程官方页面所列资料；访问权限与版本以原站为准。论文Sim-to-Real: Learning Agile Locomotion For Quadruped Robots.课程官方页面所列资料；访问权限与版本以原站为准。
16

RL for Robots: RL for VLAs

1 条资料

讲义 / SlidesRL for Robots: RL for VLAs课程官方页面所列资料；访问权限与版本以原站为准。
17

Frontiers

1 条资料

讲义 / SlidesFrontiers课程官方页面所列资料；访问权限与版本以原站为准。

资料来源归原作者与课程方所有 · 笔记内容持续校订

llm_learn