长程 Agent 为什么会失效：数据、训练与评估
Agent 单步很强，任务一长却容易迷路。本文以代码 Agent 为例，分析误差累积、上下文膨胀和奖励稀疏，并梳理轨迹数据、后训练、安全与评估中的关键方法。
Apr 11, 2026
Code Agent 的中控系统：搜索、验证与长期运行
Code Agent 的能力不只来自模型，也来自规划、工具、验证、上下文和权限组成的控制闭环。本文从搜索、反馈、RLVR 与长期运行四个角度拆解这套中控系统。
Jan 2, 2026
深度强化学习方法-PG系列
基于policy gradient的强化学习方法的梳理总结，从经典的策略梯度算法开始，讨论A3C，DDPG，PPO，以及IMPALA等系列算法的基本思想和实现。
Jun 13, 2019
深度强化学习方法-DQN系列
基于dqn 的强化学习方法的梳理总结，从经典的DQN算法开始，总结不同方法的改进策略，到集大成者Rainbow算法。
May 13, 2019
强化学习系统库及仿真环境
梳理当前经典的强化学习开源库， 以及一些经典的仿真环境。
Apr 23, 2019
强化学习基本问题回顾总结
强化学习问题的概述，从问题定义，到分类，以及传统强化学习算法（主要覆盖DQN之前的RL经典算法,包括：动态规划、蒙特卡洛、时序差分q-learning和sarsa 等）。
Apr 13, 2019
PyBrain库的example之NFQ流程图分析
有关PyBrain 库中NFQ算法的流程图分析，包括数据处理和策略的优化pipeline.
May 27, 2016