# 社区

> 来源：https://dqn.cn/community/ ｜ 作者：DQN.CN 编辑部 ｜ 发布：2026-10-30 ｜ 更新：2026-10-30 ｜ 许可：CC BY-NC-SA 4.0（文字）/ MIT（代码）

学习强化学习的路上，有同伴讨论会事半功倍。DQN.CN 社区欢迎所有对强化学习感兴趣的朋友：提问答疑、分享项目、讨论论文、交流求职经验。我们也非常欢迎你参与内容共建——纠错、投稿、翻译、写交互工具都很有价值。

## 交流渠道

**占位信息（上线前替换）**

以下联系方式均为**占位符**，网站正式上线前会替换为真实信息。在此之前请不要向这些地址发送消息。
- 微信交流群：扫码加入（二维码待上传：`docs/public/wechat-group.png`）
- QQ 群：`XXXXXXXXX`
- 邮箱：`contact@dqn.cn`（占位）
- GitHub 仓库：`https://github.com/<你的用户名>/dqn-site`（占位，用于提交 Issue 和 Pull Request）

| 渠道 | 适合做什么 |
| --- | --- |
| GitHub Issues | 报告错误（公式、代码、链接）、提出内容建议、推荐论文选题 |
| GitHub Pull Requests | 直接提交修改或新文章，见下方 [贡献指南](#贡献指南) |
| 微信 / QQ 群 | 日常讨论、学习打卡、求职交流 |
| 邮箱 | 不方便公开的问题，或合作洽谈（商务合作请见 [关于与合作](https://dqn.cn/about/)） |

## 交流规范

我们希望社区是一个友善、专业、对初学者友好的地方。参与讨论时请遵守：

1. **友善与尊重**：对事不对人。不嘲笑“简单问题”，每个人都是从不会开始的。禁止人身攻击、歧视、骚扰。
2. **言之有据**：讨论算法和实验时尽量给出出处（论文、代码、实验记录）；转述别人的结论请注明来源。
3. **不做学术不端的帮手**：可以讨论作业和课程项目的思路，但不提供“代写”；不分享盗版书籍和课程资源。
4. **不发广告**：未经管理员同意，不发布商业推广、招生广告、拉群链接。招聘信息请发在指定的招聘帖或频道中。
5. **保护隐私**：不公开他人的联系方式等个人信息；分享代码和日志前请删除密钥、令牌、内部路径等敏感信息。
6. **遵守法律法规**：讨论内容需符合中华人民共和国相关法律法规。

违反规范的内容会被删除，屡次违反者会被移出社区。如果你遇到不友善的行为，请联系管理员。

## 提问指南

好的问题更容易得到好的回答。提问前，请先：

1. **搜索**：用本站右上角的搜索框搜一搜，看看教程和 [常见问题](#常见问题) 是否已经覆盖；再搜一搜群聊记录和 GitHub Issues。
2. **缩小问题**：把出错的代码删减到最少、仍能复现问题的版本。

提问时请包含：

- **你想做什么**：目标是什么，用的是哪个教程或哪段代码；
- **你做了什么**：完整的命令和（精简后的）代码；
- **发生了什么**：完整的报错信息（文字，不要只发截图），或者训练曲线 / 日志的关键部分；
- **你期望发生什么**，以及已经尝试过哪些办法；
- **环境信息**：操作系统、Python 版本、`torch` / `gymnasium` 版本，是否使用 GPU。

一个提问模板：

```text
【目标】用 /advanced/dqn 的代码训练 CartPole
【问题】训练 5 万步后回报一直在 20 左右，没有上升
【已尝试】把学习率从 5e-4 改成 1e-3，没有改善
【环境】Ubuntu 22.04，Python 3.11，torch 2.x（CPU），gymnasium 1.x
【代码改动】只把 BATCH_SIZE 改成了 32
【日志】
step 10000 | ε=0.05 | 最近10回合平均回报 21.3
...
```

强化学习的调试本来就难，“训练不收敛”是最常见的问题。提问前可以先对照各教程中的“常见误区”一节检查一遍，并尝试换几个随机种子——有时候问题只是单次运行的随机波动。

## 贡献指南

本站内容托管在 GitHub（仓库地址见上方“交流渠道”中的占位符），所有人都可以通过 Pull Request（PR）参与贡献。

### 可以贡献什么

- **纠错**：公式、代码、链接、错别字、事实性错误。小修改直接提 PR 即可。
- **新教程或扩展**：新算法、新章节、更好的讲解方式。请先开一个 Issue 讨论大纲，避免重复劳动。
- **论文速递**：按 [写作模板与规范](https://dqn.cn/papers/template) 撰写论文解读。
- **交互工具**：新的浏览器内小工具（Vue 组件），见 [工具](https://dqn.cn/tools/)。
- **代码**：改进 `examples/` 中的示例代码。

### 提交流程

1. **Fork** 本仓库到你自己的 GitHub 账号，并克隆到本地：
   ```bash
   git clone https://github.com/<你的用户名>/dqn-site.git
   cd dqn-site
   npm install
   ```
2. **新建分支**：`git checkout -b fix-dqn-typo`（分支名简要描述改动）。
3. **修改并本地预览**：`npm run docs:dev`，在浏览器中检查公式、代码高亮和链接。
4. **构建检查**：`npm run docs:build` 必须成功。VitePress 会在构建时检查站内死链，有死链会直接报错。
5. **提交**：提交信息用中文或英文简要说明改动，例如 `修正 PPO 教程中 GAE 公式的下标`。
6. **推送并创建 PR**：在 PR 描述中说明改了什么、为什么改；如果修改了代码或实验结果，请附上运行输出。
7. **评审**：维护者会在评审后合并，或提出修改意见。

### 内容规范

- **准确第一**：涉及具体数字的结论必须可验证——论文中的数字要能在原文中找到，实验结果要是你实际运行得到的。没有验证的内容请明确标注。
- **代码必须能跑**：`examples/` 中的代码需要在 CPU 上、较短时间内运行完成；修改代码后请重新运行，并同步更新页面中的“实际运行输出”。页面通过 `<<< @/../examples/...` 语法引用代码文件，保证展示的就是实际运行的代码。
- **符号统一**：沿用 Sutton & Barto 的记号：$S_t, A_t, R_{t+1}, G_t, \gamma, \pi, v_\pi, q_\pi$；神经网络参数用 $\theta$（策略）和 $w$ / $\phi$（价值），目标网络加上标 $^-$。
- **文风**：简体中文，术语第一次出现时附英文（例如“经验回放（Experience Replay）”）；中英文之间加空格；少用口语化表达。
- **引用**：只引用真实存在的论文，并给出 arXiv 或 DOI 链接。
- **新页面**：在 `docs/.vitepress/config.mts` 的 `sidebar` 中登记；论文速递文章只需带 `date` 字段，列表、侧边栏和 RSS 会自动更新。

### 版权与授权

- 本站文字内容采用 [CC BY-NC-SA 4.0](https://creativecommons.org/licenses/by-nc-sa/4.0/deed.zh-hans) 许可，代码采用 MIT 许可，详见 [关于 · 版权与许可](https://dqn.cn/about/#版权与许可)。
- 提交 PR 即表示你确认：贡献的内容是你本人的原创作品，或你有权以上述许可证提交；不包含侵犯他人版权的内容（例如整段翻译或复制的书籍、付费课程内容）。
- 对于篇幅较大的投稿（例如完整的教程章节），如果将来涉及出版、课程等用途，维护者会事先与作者另行沟通授权，不会擅自用于商业用途。

## 常见问题

**Q：完全零基础，应该从哪里开始？**

先看 [学习路线](https://dqn.cn/roadmap/)，然后从 [什么是强化学习](https://dqn.cn/basics/what-is-rl) 开始按顺序阅读入门教程。需要的前置知识是 Python、基础的概率论和线性代数；深度强化学习部分还需要了解 PyTorch 和神经网络的基本训练流程。

**Q：没有 GPU 能学吗？**

能。本站所有示例代码都在单线程 CPU 上验证过，入门代码几秒到一分钟、进阶代码一般一两分钟内就能跑完。Atari、MuJoCo 等大型实验才真正需要 GPU 或较长时间。

**Q：我跑出来的结果和页面上的不一样？**

强化学习对随机种子、库版本、硬件都很敏感，数值有差异是正常的。请先确认 `torch`、`gymnasium` 版本，再多换几个种子看看整体趋势是否一致。如果差异很大（例如页面上能收敛，你的完全不学习），欢迎按上面的提问指南反馈。

**Q：教程里有错误怎么办？**

非常感谢你发现问题！可以在 GitHub 上开 Issue，或者直接提交 PR 修正。

**Q：可以转载本站的文章吗？**

可以在非商业用途下转载，需署名“DQN.CN”并附原文链接，且以相同许可证（CC BY-NC-SA 4.0）发布。商业用途请先联系我们，见 [关于与合作](https://dqn.cn/about/)。

**Q：论文速递多久更新一次？怎么订阅？**

我们会不定期更新，可以通过 [RSS](https://dqn.cn/papers/#订阅方式) 订阅。也欢迎你推荐或投稿想看的论文。

**Q：可以投稿吗？有稿酬吗？**

欢迎投稿，流程见上方 [贡献指南](#贡献指南)。稿酬等事宜请通过邮箱联系（目前为占位地址，上线后公布）。