Artificial Intelligence

强化学习辅导

方差大、种子敏感。课程作业要报告均值和波动，而不是单次曲线。

先把 MDP 写清楚：状态、动作、奖励是否稠密。实现对照伪代码逐步对。曲线会跑多个种子，讨论探索不足或奖励 hacking。

适合谁

适合 gridworld、简单控制或策略梯度小实验。单次曲线很好看，多个种子一摊开就没有结论。

Reinforcement Learning 属于人工智能。考核以「gridworld 实现、策略梯度小实验、稳定性讨论」为主，辅导按这门课的讲义风格走，不拿竞赛题解或另一所学校的作业套进来。

这门课通常走编程作业与实验辅导，起步 ¥1000 / 课时起。有报告或论文成分时可以叠加论文辅导，分析课时与千词分开报。

不代考、不登录评测机、不伪造测例通过记录。隐藏测例要你自己在场或能复述策略。

对应服务页：编程作业与实验辅导。把课程代码和 syllabus 发来即可匹配。

环境是课程指定的吗？

是则用指定环境。自己换游戏当“更难”而不改方法章，分数通常不涨。

附环境名称、伪代码来源和现有曲线。走实验辅导。

写清课程代码、截止时间和你卡在哪一步。匹配台会回复导师人选与报价区间——本站不收款。

在 CS / SE / AI 里怎么落地

这门课通常走编程作业与实验辅导，起步 ¥1000 / 课时起。有报告或论文成分时可以叠加论文辅导，分析课时与千词分开报。

不代考、不登录评测机、不伪造测例通过记录。隐藏测例要你自己在场或能复述策略。

对应服务页：编程作业与实验辅导。把课程代码和 syllabus 发来即可匹配。