GDPO——分组奖励解耦归一化策略优化算法

SAPO——软自适应策略优化算法

GSPO——序列级策略优化算法

DAPO——动态采样策略优化算法

GRPO——组相对策略优化算法

DPO——直接偏好优化算法

PPO——近端策略优化算法

AlphaGomoku——MCTS算法与五子棋

DQN——Deep Q-Learning算法

Q-Learning——一种基于值迭代的强化学习算法