RLHF, PPO and DPO for Large language models
1:27:21
RLHF, PPO and DPO for Large language models
已浏览 3562 次2024年2月18日
YouTubeArvind N
如何实现PPO算法？1小时跟着博士搞懂深度强化学习PPO算法原理及实战！AI/人工智能/强化学习算法/多智能体强化学习
11:21
如何实现PPO算法？1小时跟着博士搞懂深度强化学习PPO算法原理及实 …
已浏览 1995 次2023年11月20日
bilibili人工智能-研究所
Creating Simulink reinforcement learning environment and training agent walkthrough
28:00
Creating Simulink reinforcement learning environment and training …
已浏览 1.6万 次2022年10月8日
YouTubeIGA PR
Direct Preference Optimization: Forget RLHF (PPO)
9:10
Direct Preference Optimization: Forget RLHF (PPO)
已浏览 1.6万 次2023年6月6日
YouTubeDiscover AI
Policy Optimization & TRPO & PPO | RL原理讲解系列#3
15:55
Policy Optimization & TRPO & PPO | RL原理讲解系列#3
已浏览 8459 次2023年12月20日
bilibiliUp-Fei
Path Planning with A* and RRT | Autonomous Navigation, Part 4
17:55
Path Planning with A* and RRT | Autonomous Navigation, Part 4
已浏览 23.7万 次2020年7月15日
YouTubeMATLAB
Policy Optimization in Reinforcement Learning
7:12
Policy Optimization in Reinforcement Learning
已浏览 3 次2 个月之前
YouTubeom
6:29
AI Tower Defense: Proximal Policy Optimisation (PPO) RL Agent vs N…
2 个月之前
YouTubemagma4
2:08
Canonicar driving presentation in CARLA
已浏览 19 次5 个月之前
YouTubeCanonicar
1:46
PPO Algorithm in Gaming 🚀 Reinforcement Learning AI Plays …
已浏览 51 次1 个月前
YouTubeSystemDR - Scalable System Design
4:42:34
4 Months of RL in 4 Hours | Deep Reinforcement Learning Course (…
已浏览 159 次1 个月前
YouTubeMadhav Malhotra
Luminica | AI & Tech Demos on Instagram: "8-slide deep-dive → M…
1 周前
Instagramluminica.ai
Proximal Policy Optimization (PPO) With TensorFlow 2.x | Towards Da…
2020年9月21日
towardsdatascience.com
Proximal Policy Optimization Implementation: 8 Details for Cont…
已浏览 1.2万 次2021年11月22日
YouTubeWeights & Biases
Reinforcement Learning: PyBullet Kuka Diverse Object Environment
已浏览 1974 次2021年6月22日
YouTubeSwagat Kumar
Exploring the PPOTrainer in the HuggingFace TRL Library
已浏览 3679 次2023年7月22日
YouTubeThe LLM Show
33:53
【PPO】【已完结】PPO第二部分 完整实现和代码解读
已浏览 8019 次2 个月之前
bilibili东川路第一可爱猫猫虫
53:45
强化学习策略梯度之proximal policy optimization PPO理论与代码（上）
已浏览 1万 次2022年3月26日
bilibiliStevensong铁维
19:50
深度强化学习之策略梯度方法与近似策略优化(PPO)
已浏览 5775 次2018年10月2日
bilibili爱可可-爱生活
25:52
近端策略优化(PPO)深入实践
已浏览 6677 次2021年9月12日
bilibili爱可可-爱生活
7:50
近端策略优化算法 PPO（Proximal Policy Optimization Algorithms）
已浏览 267 次3 个月之前
bilibili小迪学AI
1:44:33
LLM Alignment｜综述及RLHF、DPO、UNA的深入分析
已浏览 1726 次2024年11月19日
bilibili你到这干嘛来了
48:42
[LLM+RL] 理解 GRPO 公式原理及 TRL GrpoTrainer 代码实现（advant…
已浏览 5.3万 次1 年前
bilibili五道口纳什
0:40
复旦NLP团队开元MOSS- RLHF，实现ChatGPT的PPO算法
已浏览 321 次2023年9月1日
bilibili二范数智能
11:18
如何直观理解PPO算法?博士详解近端策略优化算法原理 公式推导 训练 …
已浏览 1.4万 次2024年9月25日
bilibili迪哥AI研习社
1:02:54
【PPO强化学习】TRL PPO源码分析
已浏览 4820 次5 个月之前
bilibili小鱼儿at青岛
19:25
【PPO】从零到深入(1) 从梯度本质看 PPO的裁剪目标函数
已浏览 1万 次3 个月之前
bilibili东川路第一可爱猫猫虫
17:50
Proximal Policy Optimization Explained
已浏览 7.1万 次2021年5月20日
YouTubeEdan Meyer
55:03
强化学习算法之PPO
已浏览 1.2万 次2022年5月9日
bilibili大爱仙尊vip
10:15
基于TRL训练大预言模型,DPO,PPO方法.
已浏览 6796 次2023年11月21日
bilibili蓝斯诺特
观看更多视频
静态缩略图占位符