跳到正文
孔明の博客
AI 大模型研发与应用
Home
Archives
Search
输入搜索关键词
PPO
Tag
08-04
GLM-5.2 技术报告解读：IndexShare 稀疏注意力与反奖励作弊强化学习
04-28
人类对齐与强化学习—RLHF 核心问题梳理与实践难点
04-07
人类对齐与强化学习—RLHF 全流程与 PPO 原理源码解读
06-02
人类对齐与强化学习—DPO 直接偏好优化原理详解
0
%