从 Q-Learning 到 GRPO：强化学习算法、网络角色与部署选择
梳理 Q-Learning、DQN、PPO、SAC 与 GRPO，分清策略、价值、奖励和参考模型的职责，以及训练时谁更新、部署时保留谁。
#强化学习#Q-Learning#DQN#PPO#SAC#GRPO#RLHF
强化学习
理解模型结构、学习方法，以及训练与推理中的工程取舍。
博客目录 →理解模型结构、学习方法，以及训练与推理中的工程取舍。
博客目录 →梳理 Q-Learning、DQN、PPO、SAC 与 GRPO，分清策略、价值、奖励和参考模型的职责，以及训练时谁更新、部署时保留谁。