本文提出了一种传感器管理系统框架，给出了基于多Agent的解决方案。该结构通过多个Agent间的相互协商来实现传感器任务的分配，较好地克服了在融合中心存在的缺陷。并在此基础上着重探讨各Agent之间的协调合作问题，实
2018-03-14 10:11
经典的文字模型我们已经很熟悉了：训练时，模型不停的预测下一个 token 并与真实语料比较，直到模型的输出分布非常接近于真实分布。
2023-12-02 16:53
随着网络技术的迅速发展和不断渗透，在任何地点和任何时候都能接入网络获取各种信息，必将成为21世纪人类的普通要求；同时，移动通信技术的进步和人们对移动数据处理需求的不断提高，与各种智能通信设备紧密结合的嵌入式移动数据库技术已经得到了学术界、工业界、军事领域、民用部门等各方面的高度重视。移动计算和移动数据库技术将使得这种需求得以实现。
2017-12-01 17:14
Arthas命令很多，如果是exit、logout、quit、jobs、fg、bg、kill等简单的命令，就会直接执行，如果是trace这种复杂的命令，会专门用一个类写处理的逻辑，如上图，根据名字就可以猜到这个类是处理什么命令的，这么多类的组织形式是模版模式，入口在com.taobao.arthas.core.shell.command.AnnotatedCommand#process，
2023-11-27 10:53
整个DeepMimic所需要的input分为三部分：一个被称为Character的Agent模型；希望Agent学习的参考动作（reference motion）；希望Agent完成的任务（task）所定义的rewa
2018-10-19 09:06
多智体强化学习（Multi-agent reinforcement learning, MARL）假设有一组处在相同环境下的自主智能体。在MARL中学习非常困难，因为agent不仅与环境交互，而且还会相互作用：一个agent
2018-06-27 14:22
我们的思路是，将内在奖励表示为预测agent在当前状态下的行为后果时出现的错误，即agent学习的前向动态的预测误差。我们彻底调查了54种环境中基于动力学的好奇心：这些场景包括视频游戏、物理引擎模拟和虚拟3D导航任务等，如图1所示。
2018-08-20 08:55
一些典型 的 验证组件 配 置参数示例： 一个agent可以被配置为 active 或者 passive 模式。在active模式下agent驱动DUT，在passive模式下agent被动地检查
2023-06-14 10:20
，与没有使用PopArt的baseline agent相比，PopArt大大提高了agent的表现。无论是修剪了奖励还是没有修剪奖励，PopArt智能体在游戏中的中位数得分都高于人类中位数得分。
2018-09-16 10:04
这是今年开源之夏活动中，陈轶阳同学参加 runk 项目的总结文档，主要介绍了 runk 的由来，以及如何基于现有 kata agent 组件来实现一个标准的 OCI runtime。
2022-11-29 15:00
