本文源自:金融界

金融界2025年4月24日消息，国家知识产权局信息显示，西部科学城智能网联汽车创新中心（重庆）有限公司申请一项名为“针对多车强化学习的决策方法、装置、存储介质及设备”的专利，公开号CN119807896A，申请日期为2024年12月。

　　来源：中信证券研究

　　文|杨帆  明明  姜娅  于翔  玛西高娃

本文源自:金融界

金融界2025年4月26日消息，国家知识产权局信息显示，南京码讯光电技术有限公司申请一项名为“一种基于强化学习的边缘计算资源分配优化方法及系统”的专利，公开号CN119862029A，申请日期为2024年12月。

本文源自:金融界

金融界2025年4月26日消息，国家知识产权局信息显示，阳泉市乾盛科技有限公司申请一项名为“基于强化学习制备降尘剂的控制系统、方法及设备”的专利，公开号CN119861573A，申请日期为2025年3月。

本文源自:金融界

金融界2025年4月26日消息，国家知识产权局信息显示，郑州大学产业技术研究院有限公司取得一项名为“基于强化学习的探索方法、装置和智能设备”的专利，授权公告号 CN 114859932 B，申请日期为 2022 年 5 月 。

1、时序差分（TD）与贝尔曼方程的关系

时序差分（Temporal Difference, TD）方法与贝尔曼方程是强化学习中理论与算法的核心结合。

00 后王子涵，是 DeepSeek 的前实习生，曾参与 DeepSeek-V2 的开发。其本科毕业于中国人民大学，目前在美国西北大学读博。

2025年，强化学习领域迎来重大突破——由斯坦福李飞飞团队与DeepSeek前核心成员Zihan Wang领衔的研究团队，成功复现并升级了R1强化学习框架，推出全新模块化系统RAGEN。这一框架不仅解决了多轮强化学习训练中“崩溃率高”“推理能力衰退”的行业痛点，更让AI Agent在复杂任务中展现出人类般的深度思考能力。本文独家揭秘RAGEN的技术内核，看它如何重塑AI的“决策思维”。