热点事件持续更新
RL「policy」七十年：从Bellman到GRPO
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
一篇学习笔记以时间线梳理强化学习中「policy」一词的七十年源流。笔记称，1954年Bellman在RAND的动态规划工作中首次给出正式定义，把“决策序列”称为policy；1960年Howard进一步将policy写入policy iteration算法名称。报道以“从Bellman到GRPO”概括这条概念演变线索，但除上述两个节点外，未展开更多年份与细节。目前进展为这份时间线梳理以学习笔记形式发布，属于概念史整理，并非新的技术研究突破。
AI 根据报道生成 · 3 小时前更新
最新进展10月26日 03:47
学习笔记用时间线梳理「policy」七十年，列出1954年Bellman定义与1960年Howard算法命名两个节点。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- AGI Hunt从 Bellman 到 GRPO：一张时间线讲清 RL「policy」一词七十年源流
一篇学习笔记用时间线梳理强化学习「policy」一词的七十年源流：1954 年 Bellman 在 RAND 的动态规划中首次正式定义为「决策序列称为 policy」，1960 年 Howard 将其写入 policy iteration 算法名。
本事件热度走势
当前热度 9·可比范围峰值 10（10月26日 05:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。