这篇文章是之前自己在公司的一篇技术分享，搬过来就不提供脚本了!

1、定义

存储过程（Stored Procedure）是在大型数据库系统

大学的毕业季，为了吸引学生投简历，有很多公司回到学校来做宣讲。我在毕业之前找工作，也参加过很多这样的宣讲会。有一家公司的老总来我们学校做宣讲。这个老总叫刘景泰，当时是南开大学机器人研究所的副所长。他提到一个问题，我一直记得。他问我们：你们学了4年的自动化，谁能用一个词告诉我，自动化是什么？能坐满100人的教室鸦雀无声。最后，他揭示的答案只有2个字：

C新智元推荐

推荐收藏本PPT，在新智元后台回复0620可下载。

深度增强学习 David Silver Google DeepMind

大纲

• 深度学习介绍

• 增强学习介绍

• 基于价值的深度增强学习

• 基于策略的深度增强学习

监督微调（SFT）基本上是现在训练大模型时必走的路。不管你要让模型干什么，先用 SFT 让它学会基本的指令跟随和对话能力，然后再通过 PPO 或者 GRPO 这些强化学习方法进一步调优。

但 SFT 有个老毛病：容易过拟合。模型会死记硬背训练数据，泛化能力变差。更要命的是，经过 SFT 训练的模型在后续的强化学习阶段往往探索能力不足，这就是所谓的"熵坍塌"现象 - 模型变得过于确定，生成的内容单调乏味。

这篇论文提出了 Proximal Supervised Fine-Tuning (PSFT)，本质上是把 PPO 的思路引入到 SFT 中。这个想法挺巧妙的：既然 PPO 能够稳定策略更新，那为什么不用类似的机制来稳定监督学习的参数更新呢？

参考了抖音上多位博主的观点，现在总结了一下人工智能学习的路线图，仅供大家参考。另外，我也会按照这个学习路线路学习人工智能相关知识，并分享到今日头条中。

第一步

语言：Python

想让智能体通过图像输入学会预测环境变化并做出智能决策？循环状态空间模型（RSSM）正是实现这一目标的核心技术，本文将带你深入理解并实战实现这一强大模型。

在现代人工智能领域，如何让智能系统从高维感官输入（如图像像素）中学习环境动态并进行有效规划，一直是一个核心挑战。循环状态空间模型（Recurrent State Space Model, RSSM）作为基于模型的强化学习中的关键技术，为解决这一问题提供了优雅而有效的方案。