（大概不算是晒）姑且记录下和某位半友情女s的经历吧orz
快牛：↑为什么我好不容易翻一下M站还要看RLsuperhlyb：↑首先基本的概念：状态、动作、奖励（奖励就是一个实数）。在一个状态下，机器人执行一个动作，环境会反馈一个奖励（或惩罚），然后机器人会到达另一个状态。因此，机器人要是希望得到尽可能多的奖励，就需要对当前状态下所有的动作带来的收益有一个估计，然后选取可能的收益大的那个动作（这里的收益不仅指当前环境给的奖励，还有预期的未来收益。比如说有些动作可能即时奖励不高，但是把机器人带入的下一个状态可能有非常高的收益）。也就是说，机器人需要有一个函数，这个函数输入是当前的状态，输出是对所有动作的预期收益的估计值。如果这个函数用神经网络来模拟的话，就是所谓的深度强化学习。
求问惩罚和奖励具体指的是啥，和普通的搞函数最优化有啥区别？
与普通的学习任务不同的是，强化学习不属于监督学习（你没有标签给它），也不属于无监督学习。它需要从自己的尝试中获取经验。比如典型的Q学习的更新思想是这样的：q(s,a)=r+g*q(s',a'). 其中q(s,a) 是s状态下采取a动作的收益，s', a' 是下一个状态和下一个动作，r是当前的奖励，g是衰减因子（g越小说明越看重当前收益）。因此当你在s'状态下，你就有了对上一个状态q(s,a)的估计值。然后你就可以把这个估计值当作target，去训练机器人的神经网络。（大概就是这样子，忽略了很多细节）
其实单纯的网络训练这一块我觉得倒是和普通的深度学习差别不大，RL的主要问题是收敛太慢或者因为target也是在动态变化的所以训练过程不稳定等等一些问题，也还挺有趣的。然后rl的meta learning也是类似。就是希望网络可以在不同的任务上收敛地更快。
chromaso
Re: （大概不算是晒）姑且记录下和某位半友情女s的经历吧orz
Sh
shizizhanzheng
Re: （大概不算是晒）姑且记录下和某位半友情女s的经历吧orz
shizizhanzheng：↑其实。。。开始的时候都是素人吧orz 不过她可能确实是之前压根不知道sm这种东西的， 其实也不能说她最硬核，主要是我和她来往有限，尤其调教之外的生活，交集不是很多，更没有共同生活经历。 同居的话要一直维持主从等级森严的感觉其实还挺累的superhlyb：↑按理说闺蜜才是3人里面最素人的一个吧，怎么sm程度最强呢？23333怪不得之前的男朋友跑了，这谁顶得住啊hhhhh
各有各黑的地方，但是怎么说呢....感觉闺蜜最黑吧，毕竟玩儿的少，每次都给虐得够呛，Z和妹妹基本上除了调教平时也经常在一起玩儿，sm感觉从来也不是那种特别硬核不能反抗的，更多是一种游戏的延伸，玩儿啥都好商量那种
闺蜜就...感觉对sm这方面很饥渴，我甚至有点怕她失控2333
sbsb2100：↑闺蜜脚味还行，正常人，成心不洗就臭，平时就一般，不像Z似乎建号的时候就没点出汗天赋....出了汗也没啥味superhlyb：↑你妹是因为性欲强，所以愿意尝试很多，s还是m都行。闺蜜或许平时没有性经验感情经历少，生活方式比较保守且略有些压抑？高冷女神当久了，来你面前释放小恶魔了？
各有各黑的地方，但是怎么说呢....感觉闺蜜最黑吧，毕竟玩儿的少，每次都给虐得够呛，Z和妹妹基本上除了调教平时也经常在一起玩儿，sm感觉从来也不是那种特别硬核不能反抗的，更多是一种游戏的延伸，玩儿啥都好商量那种
闺蜜就...感觉对sm这方面很饥渴，我甚至有点怕她失控2333
闺蜜至今还是处....其实她最早也不是高冷女神的，之前也是个逗比，上大学才高冷的，大概是因为长得比较高冷，大家就都认为她高冷，久而久之就真高冷了
说起来我还真想起来一个只和闺蜜玩儿过的play...atm奴，这个虽然也和我妹，z做过，但是都是支付宝打钱...闺蜜那个是现实中上贡，而且是人前上贡，爽的一逼，之前玩儿atm真的就...反正挺羞辱，精虫上脑了会觉得上贡play很好撸，但是其实也就这么回事儿，而且都结婚了上贡来上贡去还不是肉烂在锅里吗2333 和闺蜜不一样，那钱是真的被夺走了，而且是现实中，人前，太爽了
（我妹同意的，而且她也上贡了）
Sh
shizizhanzheng
Re: （大概不算是晒）姑且记录下和某位半友情女s的经历吧orz
superhlyb：↑你妹妹还当了她闺蜜的m？这个6啊23333sbsb2100：↑闺蜜脚味还行，正常人，成心不洗就臭，平时就一般，不像Z似乎建号的时候就没点出汗天赋....出了汗也没啥味
你妹是因为性欲强，所以愿意尝试很多，s还是m都行。闺蜜或许平时没有性经验感情经历少，生活方式比较保守且略有些压抑？高冷女神当久了，来你面前释放小恶魔了？
闺蜜至今还是处....其实她最早也不是高冷女神的，之前也是个逗比，上大学才高冷的，大概是因为长得比较高冷，大家就都认为她高冷，久而久之就真高冷了
说起来我还真想起来一个只和闺蜜玩儿过的play...atm奴，这个虽然也和我妹，z做过，但是都是支付宝打钱...闺蜜那个是现实中上贡，而且是人前上贡，爽的一逼，之前玩儿atm真的就...反正挺羞辱，精虫上脑了会觉得上贡play很好撸，但是其实也就这么回事儿，而且都结婚了上贡来上贡去还不是肉烂在锅里吗2333 和闺蜜不一样，那钱是真的被夺走了，而且是现实中，人前，太爽了
（我妹同意的，而且她也上贡了）
Sh
shizizhanzheng
Re: （大概不算是晒）姑且记录下和某位半友情女s的经历吧orz
sbsb2100：↑这么一看倒还有些道理。可能高冷的女生都有另一面吧，压制久了就需要偶尔释放。后面找机会试探试探我妹23333可惜本来好几年前就有机会的，但是她那会太小了(翻记录翻出来的，感觉错过很多)superhlyb：↑你妹是因为性欲强，所以愿意尝试很多，s还是m都行。闺蜜或许平时没有性经验感情经历少，生活方式比较保守且略有些压抑？高冷女神当久了，来你面前释放小恶魔了？
各有各黑的地方，但是怎么说呢....感觉闺蜜最黑吧，毕竟玩儿的少，每次都给虐得够呛，Z和妹妹基本上除了调教平时也经常在一起玩儿，sm感觉从来也不是那种特别硬核不能反抗的，更多是一种游戏的延伸，玩儿啥都好商量那种
闺蜜就...感觉对sm这方面很饥渴，我甚至有点怕她失控2333
shizizhanzheng：↑你妹妹是个怎样的女孩呢？从哪里发现蛛丝马迹的，她让你闻她袜子这种？sbsb2100：↑这么一看倒还有些道理。可能高冷的女生都有另一面吧，压制久了就需要偶尔释放。后面找机会试探试探我妹23333可惜本来好几年前就有机会的，但是她那会太小了(翻记录翻出来的，感觉错过很多)
你妹是因为性欲强，所以愿意尝试很多，s还是m都行。闺蜜或许平时没有性经验感情经历少，生活方式比较保守且略有些压抑？高冷女神当久了，来你面前释放小恶魔了？
Sh
shizizhanzheng
Re: （大概不算是晒）姑且记录下和某位半友情女s的经历吧orz
sbsb2100：↑前面17页有提到，其实我不太清楚我妹对sm的态度(她读小学初中那会就知道了，我当时都有点惊讶)shizizhanzheng：↑你妹妹是个怎样的女孩呢？从哪里发现蛛丝马迹的，她让你闻她袜子这种？
这么一看倒还有些道理。可能高冷的女生都有另一面吧，压制久了就需要偶尔释放。后面找机会试探试探我妹23333可惜本来好几年前就有机会的，但是她那会太小了(翻记录翻出来的，感觉错过很多)
shizizhanzheng：↑233333偶尔玩玩.....闺蜜提出来的，本来觉得这么多年小姐妹有点尴尬，不过其实越尴尬越刺激superhlyb：↑你妹妹还当了她闺蜜的m？这个6啊23333
闺蜜脚味还行，正常人，成心不洗就臭，平时就一般，不像Z似乎建号的时候就没点出汗天赋....出了汗也没啥味
闺蜜至今还是处....其实她最早也不是高冷女神的，之前也是个逗比，上大学才高冷的，大概是因为长得比较高冷，大家就都认为她高冷，久而久之就真高冷了
说起来我还真想起来一个只和闺蜜玩儿过的play...atm奴，这个虽然也和我妹，z做过，但是都是支付宝打钱...闺蜜那个是现实中上贡，而且是人前上贡，爽的一逼，之前玩儿atm真的就...反正挺羞辱，精虫上脑了会觉得上贡play很好撸，但是其实也就这么回事儿，而且都结婚了上贡来上贡去还不是肉烂在锅里吗2333 和闺蜜不一样，那钱是真的被夺走了，而且是现实中，人前，太爽了
（我妹同意的，而且她也上贡了）
Sh
shizizhanzheng
Re: （大概不算是晒）姑且记录下和某位半友情女s的经历吧orz
superhlyb：↑以前在m站看过的一篇妹系文里面就有妹妹的闺蜜当了她的m……说实在的表面上亲密无间的闺蜜在背地里却是s和m的关系，那可真是太刺激了23333shizizhanzheng：↑233333偶尔玩玩.....闺蜜提出来的，本来觉得这么多年小姐妹有点尴尬，不过其实越尴尬越刺激
你妹妹还当了她闺蜜的m？这个6啊23333