主题
从 MDP 到 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
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
