【RLChina 2022】理论课三：强化学习基础 张伟楠
【RLChina 2022】理论课二：博弈论基础 张海峰
【RLChina 2022】专题报告一：多智能体强化学习 张崇洁
【RLChina 2021】第5课 强化学习入门（一） 张伟楠
【RLChina 2022】实践课五：离线强化学习算法 秦熔均
【RLChina 2022】理论课一：机器学习和深度学习基础 陈旭
【RLChina 2022】前沿进展七：深度强化学习的若干前沿方向 柯良军
【RLChina论文研讨会】第53期 曾兰婷 基于强化学习控制的低碳电力系统安全性研究
【RLChina 2022】专题报告四：决策大模型 汪军
【RLChina 2022】前沿进展五：应用多智能体强化学习解决现实问题——机遇和挑战 方飞
【RLChina 2023】 专题报告三：强化学习与语言大模型的一些共通点 俞扬
【RLChina 2021】第9课 强化学习前沿（一） 卢宗青
【RLChina 2022】实践课四：基于种群的学习 温颖
理解大模型推理能力从强化学习开始(一)：马尔可夫奖励过程（代码仿真）
【强化学习+大模型】原来这才是强化学习的正确学习顺序！博士带你用强化学习玩游戏，DQN及PPO算法原理及实战（人工智能自动驾驶/深度强化学习/超级马里奥）
【RLChina 2022】前沿进展三：演化强化学习的研究与应用 郑岩
【RLChina论文研讨会】第34期 马一宁 解决车辆路径问题的深度强化学习方法：近期发展及挑战
【RLChina 2024】讲习班01 汪军 Machine Learning Walkthrough
【RLChina 2021】第6课 强化学习入门（二） 杨林
【RLChina论文研讨会】第90期 李英儒 Q* meets Thompson Sampling：Scaling up Exploration via Hyp
