Wei Zheng

Wei Zheng

Master student at Xidian University, Applied Cryptography, SE, PPFL

Chatgpt&newbing

less than 1 minute read

Published:

一、ChatGPT申请过程

首先要保证科学上网的条件（代理）
然后是注册google账号
还要注册一个国外手机号：注册及接收验证码过程
在谷歌浏览器上收一次验证码就行了，之后可以重复登录！

二、New Bing申请过程

首先要有一个长期的outlook账号
1、然后是先下载Bing-Dev版本点击下载
下载完之后点右上角的“b”，就会出现加入等待队列：
newbing
2、但是我没有直接出现这个加入等待队列的邀请，就跟着这个如何加入newbing候补名单的帖子：
（1）下载配置 HeaderEditor 插件
（2）清除bing cookies并加入new bing候补名单
（3）打开new bing界面链接
点击加入即可!
newbing2 等待几天即可收到成功加入候补名单的邮件，然后就可以正常使用了。
怎么使用1
怎么使用2

You May Also Enjoy

Future Blog Post

less than 1 minute read

Published:

This post will show up by default. To disable scheduling of future posts, edit config.yml and set future: false.

Basic Concepts In Rl

less than 1 minute read

Published:

State： 一个agent相当于environment的一个状态

State space：状态空间，即状态值的集合

Action：对于每个state的可能的动作

Action space of a state：动作集合，但依赖于状态

State transition：当采取一个action时，agent可以从一个state移动到另一个state，定义了agent和environment的一种交互行为，可以用表格表示存在的所有行为，但是只能表示确定性的情况，即deterministic

State transition probability：用概率描述state transition

Policy：策略，一般用$\pai$表示，策略可能是不确定的，stochastic，可以用表格表示

Reward：采取action之后所获得的一个实数，可以用正数代表encouragement，负数表示punishment；reward可以被理解成一种human-machine interface

Trajectory：a state-action-reward chain

Return：沿着trajectory所得到的所有reward总和，通过return可以评价哪个policy好

Discounted return：discount rate $\gamar$，折扣率，避免return发散掉，控制短视和远视

Episode：也是一个trajectory，有限步的，会stop，这样的任务也被称为episode tasks，有些任务是没有terminal states，意味着agent和environment的交互将会永远持续下去，这样的任务称为continuing tasks