DQN.CN中文强化学习一站式学习平台

从 MDP 到 DQN、PPO、SAC，再到 RLHF 与 GRPO —— 系统教程、可运行代码、精选资料，一站学会强化学习

学习路线

按零基础、有机器学习基础、科研/工程三类人群给出分阶段路线图，知道下一步该学什么。

查看路线

多臂老虎机、MDP、贝尔曼方程、动态规划、蒙特卡洛、TD、Q-learning，配公式推导与直观解释。

开始学习

DQN 家族、策略梯度、PPO、SAC、HER，以及 MPC / MBPO、离线 RL、多智能体和大模型中的 RL（RLHF / DPO / GRPO）。

深入学习

每个算法配可运行的 PyTorch 实现与可下载的 Jupyter notebook，并提供算法对照表，帮你快速选型。

动手实践

精选经典书籍、公开课、必读论文与主流开源库，只收录真正值得看的。

浏览资料

定期解读强化学习新论文，用中文讲清楚动机、方法和结论。

阅读速递

50 个与每章配套、浏览器内即开即用的演示：马尔可夫链、贝尔曼方程手算、21 点蒙特卡洛、悬崖行走、CartPole、PPO 裁剪、TRPO 信赖域、HER、MPC、DPO……拖一拖滑块就懂。

马上试试

强化学习常用术语的中英对照与一句话解释，从 Advantage 到 Value Function，读论文、看英文资料不再卡壳。

查术语