RDP Algorithm
RDP Algorithm
2022年11月14日
thecodingtrain.com
Balanced Reposition Mutation Particle Swarm Optimization
Balanced Reposition Mutation Particle Swarm Optimization
2024年1月1日
devpost.com
Direct Preference Optimization (DPO) explained
Direct Preference Optimization (DPO) explained
已浏览 100 次2024年12月27日
substack.com
【PPO】【已完结】PPO第二部分 完整实现和代码解读
33:53
【PPO】【已完结】PPO第二部分 完整实现和代码解读
已浏览 6418 次4 周前
bilibili东川路第一可爱猫猫虫
算法面试考点复习 [LLM-RL-PPO]
0:18
算法面试考点复习 [LLM-RL-PPO]
已浏览 90 次2 周前
bilibili小飞鱼的日常
【PPO的前身】【TRPO】第一部分 直观理解与算法理论
25:17
【PPO的前身】【TRPO】第一部分 直观理解与算法理论
已浏览 7053 次2 个月之前
bilibili东川路第一可爱猫猫虫
从经典PPO到PPO-RLHF(一) 构建RL到LLM的概念映射
17:06
从经典PPO到PPO-RLHF(一) 构建RL到LLM的概念映射
已浏览 2651 次2 周前
bilibili东川路第一可爱猫猫虫
13:42
ChatGPT狂飙：强化学习RLHF与PPO！【ChatGPT】系列第02篇
已浏览 3077 次2023年2月12日
YouTubeZOMI酱
7:12
Policy Optimization in Reinforcement Learning
已浏览 3 次3 周前
YouTubeom
0:39
🔍 Understanding Proximal Policy Optimization (PPO) Advanced Rei…
2 周前
YouTubeChain
6:49
3.4 Optimal Policies and Optimal Value Functions | DRL Course
已浏览 5 次2 个月之前
YouTubeBarmenteros FX
1:10
What is Proximal Policy Optimization ( PPO)?
1 个月前
YouTubeData Science Made Easy
7:03
GRPO: The Reinforcement Learning Trick That Changed Everything
已浏览 31 次3 周前
YouTubemathtartic
38:24
Proximal Policy Optimization (PPO) - How to train Large Language Mod…
已浏览 121 次1 个月前
bilibilibender2016
Advanced Concepts in Large Language Models. RL / SFT / MHA …
3 周前
linkedin.com
Direct Preference Optimization: Forget RLHF (PPO)
已浏览 1.6万 次2023年6月6日
YouTubeDiscover AI
A great explanation of link-time optimization (LTO)
2018年2月4日
redditredditthinks
Proximal Policy Optimization (PPO) With TensorFlow 2.x | Towards Da…
2020年9月21日
towardsdatascience.com
24:31
DPO Meets PPO: Reinforced Token Optimization for RLHF
已浏览 168 次2024年4月30日
YouTubeArxiv Papers
Further Contemporary RL Algorithms (TRPO, PPO - Lecture …
已浏览 515 次2023年7月5日
YouTubePaderborn University - Department LEA
29:08
Proximal Policy Optimization is Easy with Tensorflow 2 | PPO Tuto…
已浏览 1.3万 次2022年1月12日
YouTubeMachine Learning with Phil
PPO Algorithm
已浏览 4 次6 个月之前
YouTubeMachine Learning and Artificial Intelligence
15:55
Policy Optimization & TRPO & PPO | RL原理讲解系列 #3
已浏览 11 次3 个月之前
YouTubeUp-Fei
36:49
7-PPO算法原理与实验实现
已浏览 713 次2024年9月19日
bilibilikindlytrees
7:50
近端策略优化算法 PPO（Proximal Policy Optimization Algorithms）
已浏览 235 次1 个月前
bilibili小迪学AI
31:16
简单解释近端策略优化算法（PPO）：全白板详细讲解
已浏览 457 次4 个月之前
bilibilirobert_zeng
27:35
[论文精读] Deepseek r1 (prepare) - RLHF & PPO & GRPO
已浏览 1.2万 次9 个月之前
bilibili酸果酿
4:48
98.RL专题：PPO中为什么不直接计算 θ 与 θ′ 之间的距离？
已浏览 4350 次7 个月之前
bilibili文言AI
21:15
DPO直接偏好优化算法 （动画讲解）
已浏览 8116 次2024年10月26日
bilibili数源创域
8:17
97.RL专题：简述一下PPO算法。其与TRPO算法有何关系呢？
已浏览 3431 次8 个月之前
bilibili文言AI
观看更多视频
静态缩略图占位符