一个入口：研究学习清单、三门课（CS234 / CS224R / CSE 541）与一本书（Sutton & Barto）的中文学习站、以及本学期 ARTI2001 的全部材料。按 / 搜索，Esc 清空。
研究学习清单10 个条目
十条，四个梯队。每条都绑着一个能拿去和导师讨论的产出。打开完整清单 ↗
1 · CSE 541 Interactive Learning + Lattimore & Szepesvári
纯探索 bandit 是当前论文最硬的缺口，也是 cost-efficiency bound 的承重墙。
2 · MCTS 理论：从 bandit 到树搜索
填在 UCB1 与 Kaufmann–Koolen 之间的理论空白上：你的搜索那一侧要讲清楚它优化的到底是哪个量。
3 · 约束推理与剪枝：CSP、nogood、dominance
你的 combinatorial nogood 在概念上是这条线的后代 —— related work 的定位和术语都要从这里借。
4 · CS234 收尾 + Sutton & Barto
把已经学过的 RL 补完整：CS234 精读 15 讲已全部做完；书上真正的增量是规划那一章，也已建成，剩下五章属于复习。
5 · CS224R Deep RL（Spring 2025）
补上 CS234 2019 版没有的三块：PPO、RLHF/DPO、LLM 推理 —— 审稿人默认你懂这些。
6 · 博弈论入门（Coursera / Shoham & Leyton-Brown）
和导师在同一套语言里讨论问题 —— 郭老师做算法博弈论，师承 Conitzer。
7 · MIT 6.S890 Topics in Multiagent Learning（Fall 2024）
博弈论部分对你最重要的一门：直接复用梯队 1 的 online learning 与 regret 工具，而 CFR 正是 Jiyao 在做的方向。
8 · Stanford CS364A 算法博弈论（Roughgarden, Fall 2013）
郭老师的本行。对当前论文不承重，价值在于和导师对话以及 PhD 阶段的广度。
9 · Berkeley LLM Agents MOOC（F24 / S25 / F25）
投 ACL/NAACL/AAAI 的领域常识：审稿人默认你懂 LLM agent 的评估与推理。
10 · Stanford CS336 Language Modeling from Scratch（Spring 2025）
领域常识的另一半：inference 与 alignment 的工程细节。