CATEGORY · RL
強化學習
入門
五分鐘開始你的第一個 AI 實驗
不寫程式、開瀏覽器就能訓練 AI——從零到看到收斂結果。
核心概念
強化學習是什麼？
試錯、獎勵、策略——AI 如何靠反覆嘗試學會做決定。
平台導覽
Rein Room 是什麼？
平台 1.0 完整功能巡禮——從遊戲、訓練、儀表板到資料匯出。
演算法
Q-Learning — 決策價值怎麼學起來
從表格到熱力圖，看 AI 如何累積對「該做什麼」的判斷。
演算法
DQN 是什麼？
當狀態變多到表格放不下——用神經網路接手 Q 值預測。
核心概念
探索 vs 利用
ε-greedy 與 Softmax 的差異——AI 怎麼平衡新嘗試與既有經驗。
儀表板
讀懂 Q-Table 視覺化
熱力圖、動作分布、信心遮罩——看圖判斷 AI 學到了什麼。
儀表板
讀懂訓練圖表
Reward 曲線、Steps 曲線——訓練有沒有在變好的客觀證據。
實戰
調參數的心法
不是亂試——學會看訊號、改一個變數、觀察結果的 RL 工程心態。
入門
選哪個遊戲開始？
Multi-armed Bandit、Maze、CartPole、Heli——每個遊戲學的是什麼觀念。
教育者
把 RL 帶進課堂
給教育工作者的實戰指南——課程節奏、評量設計、學生會卡住的點。
觀點
LLM 當道，學生還需要學 RL 嗎？
大語言模型不會取代強化學習——它們解決不同層次的問題。