强化学习

分类 - 强化学习
2025
DPO, PPO, GRPO
DPO, PPO, GRPO
avatar
Yukino256
private records of CS study
文章
19
标签
63
分类
22
Follow Me
公告
我永远喜欢Yukino！
最新文章
少女乐队、工作、朋友，以及生活
少女乐队、工作、朋友，以及生活
Girls Band Cry
Girls Band Cry
DPO, PPO, GRPO
DPO, PPO, GRPO
Mi老鼠：小米实习期间摸鱼看其他知识
Mi老鼠：小米实习期间摸鱼看其他知识
LLM中的并行策略————如何理解与理解路径记录
LLM中的并行策略————如何理解与理解路径记录
分类
标签
长文本 AdamW 并行训练 工程实践 Hexo 秋招 RLHF Girls Band Cry DPO WebUI 深度学习 追番感悟 EM Markdown Butterfly 概率模型 大模型 SFT GitHub Pages 基础知识 本地部署 VLM Linux 云服务器 GRPO 随想 生活随笔 优化器 朋友 TP 日记 2024-05 生活 2024-03 Bash 复盘 工作 QQ Bot 实习 Qwen2-VL
归档
网站资讯
文章数目 :
19
本站访客数 :
本站总访问量 :
最后更新时间 :