OpenDILab
PPOFamaily 决策智能公开课
PPO × Family Vol.1 系统性地讲解了决策智能的核心算法技术——深度强化学习，并深入浅出地介绍了最强大通用的算法 PPO。
OpenDILab浦策：课程实录｜PPO × Family 第一课：开启决策 AI 探索之旅 （上）
OpenDILab浦策：课程实录｜PPO × Family 第一课：开启决策 AI 探索之旅 （下）
PPO × Family Vol.2——解构复杂动作空间从决策输出设计的角度展开，介绍了 PPO 算法在四种动作空间上的各类技巧。
OpenDILab浦策：课程实录｜PPO × Family 第二课：解构复杂动作空间（上）
OpenDILab浦策：课程实录｜PPO × Family 第二课：解构复杂动作空间（下）
PPO × Family Vol.3——表征多模态观察空间，则将会从表征建模，从深度学习的角度进行展开，介绍观察空间的三部曲及衍生的“算法-代码-实践”知识。
OpenDILab浦策：课程实录｜PPO × Family 第三课：表征多模态观察空间（上）
OpenDILab浦策：课程实录｜PPO × Family 第三课：表征多模态观察空间（下）
而PPO × Family Vol.4——解密稀疏奖励空间，将会进入到 MDP 的第三大核心元素——奖励函数，从指导智能体探索和利用的角度，介绍奖励空间上的“两朵乌云”及衍生的“算法-代码-实践”知识。
OpenDILab浦策：课程实录｜PPO × Family 第四课：解密稀疏奖励空间（上）
OpenDILab浦策：课程实录｜PPO × Family 第四课：解密稀疏奖励空间（中）
OpenDILab浦策：课程实录｜PPO × Family 第四课：解密稀疏奖励空间（下）
OpenDILab 实践指南
OpenDILab 实践指南（1）：RL 算法/环境速查表（cheatsheet）
MCTS 的前沿动态
MCTS + RL 系列技术博客（3）：Sampled MuZero
MCTS + RL 系列技术博客（4）：EfficientZero
MCTS + RL 系列技术博客（5）：Stochastic MuZero
MCTS + RL 系列技术博客（6）：浅析 MCTS 算法原理演进史
MCTS + RL 系列技术博客（7）：Gumbel MuZero
MCTS + RL 系列技术博客（8）：MuZero Unplugged
MCTS + RL 系列技术博客（9）：可视化分析 AlphaZero/MuZero 中的表征、策略和知识
MCTS + RL 系列技术博客（10）：使用多方面的先验知识强化 MCTS Agent