Calculation and Design Calculate the DOF of the mechanism and... | Filo
Calculation and Design Calculate the DOF of the mechanism and... | …
已浏览 5930 次1 年前
askfilo.com
大模型微调不 “失忆” 的秘密：RL 为何比 SFT 更懂 “守旧”？MIT新发现：强化学习微调，为何比监督学习更“记”得好？
3:10
大模型微调不 “失忆” 的秘密：RL 为何比 SFT 更懂 “守旧”？MIT新发现…
已浏览 989 次1 个月前
bilibili卢菁博士_北大AI博士后
手把手带你快速弄懂SFT、RLHF、DPO ！从定义到适用边界全流程解析~大模型|LLM
19:23
手把手带你快速弄懂SFT、RLHF、DPO ！从定义到适用边界全流程解 …
已浏览 1452 次1 个月前
bilibili爱学大模型的柒柒
大模型对齐方法综述与代码示例（二）
14:19
大模型对齐方法综述与代码示例（二）
已浏览 444 次6 个月之前
bilibiliswanmsg
RLHF训练法从零复现,TRL版本复现,代码实战,大语言模型训练
1:10:05
RLHF训练法从零复现,TRL版本复现,代码实战,大语言模型训练
已浏览 8768 次2024年11月18日
bilibili蓝斯诺特
强化学习算法工程师的年度总结：RL 训练中的 Rollout、异步与框架设计
4:20
强化学习算法工程师的年度总结：RL 训练中的 Rollout、异步与框架设计
已浏览 3422 次2 个月之前
bilibiliyang_xi_111
哈工大算法大佬亲授！《大模型算法：强化学习、微调与对齐》100 张图拆透 RLHF/DPO，大厂核心算法直接搬砖！
0:52
哈工大算法大佬亲授！《大模型算法：强化学习、微调与对齐》100 张 …
已浏览 139 次9 个月之前
bilibili博文视点阿豹Class
0:56
谷歌大佬新作 RL从入门到前沿
已浏览 264 次4 个月之前
bilibiliAI梨大谱
16:24
[Agentic RL] 10 分布的视角理解 LLM 的 SFT 训练和 RL 训练，Forward…
已浏览 5578 次1 个月前
bilibili五道口纳什
1:37:40
如何让LLM通过RL又好又准地使用工具?
已浏览 3126 次10 个月之前
bilibiliNICE学术
7:05
一阶电路（RL），三要素法；期末不挂科，小白请教
已浏览 1.6万 次2023年6月19日
bilibili桐桐桐童心呀
1:14:20
【Online RL】17 OLIVE算法（Optimism Let Iterative Value-fun…
已浏览 462 次3 个月之前
bilibiliJOJO想
1:01
基于归一化抓取空间的高效区域感知6-DoF抓取算法
已浏览 264 次2024年10月23日
bilibiliChenThree3
18:45
强化学习 (RL) 在做什么？RL原理讲解系列#1
已浏览 7149 次2023年10月31日
bilibiliUp-Fei
35:41
【大白话03】一文理清强化学习RL基本原理 | 原理图解 公式推导
已浏览 10.3万 次11 个月之前
bilibili吃花椒的麦
1:00:50
强化学习第一节（RL基本概念 工具 基本算法）【个人知识分享】
已浏览 2.8万 次2021年12月2日
bilibili二营长向强化学习开炮
30:43
第2章 一阶电路暂态响应-换路定则求初始值（RC、RL、RLC电路-例题讲 …
已浏览 1.3万 次2021年9月29日
bilibili橙子3712
0:38
RL 算法大突破！多智能体协作性能飞升
已浏览 217 次10 个月之前
bilibiliAI因斯坦玩转AI
16:01
[RLHF] 从 PPO rlhf 到 DPO，公式推导与原理分析
已浏览 2.2万 次2024年6月23日
bilibili五道口纳什
16:42
编译原理第四章LR（0）DFA构造，判断能否使用SLR（1）分析表解决 …
已浏览 616 次2 个月之前
bilibili甜滋滋的巧克力豆
23:15
相比SFT为什么RL训练后的模型更不容易遗忘？RL的奥卡姆剃刀原理： …
已浏览 6150 次5 个月之前
bilibiliAI论文小小编
6:23
88.RL专题：策略中随机探索怎么实现
已浏览 1707 次10 个月之前
bilibili文言AI
1:08
豆瓣 9.4分!《大模型算法》强化学习、DPO、微调SFT、GRPO、PPO、RL…
已浏览 1万 次9 个月之前
bilibili叶子哥AI
3:39
【254】具有输入仿射系统动力学的连续时间非线性最优控制问题的强化 …
已浏览 650 次2024年10月3日
bilibili既然香遇
7:21
106.RL专题：介绍下DPO执行的流程
已浏览 2016 次9 个月之前
bilibili文言AI
0:49
GPU终于不再空转 RL训练速度提取44%的黑科技
已浏览 358 次5 个月之前
bilibili哆啦K梦_Kaggle金牌
1:31
【强化学习】RL速通秘籍：AI大佬手把手教你3步速成秘籍：DQN/PPO→ …
已浏览 1726 次6 个月之前
bilibili人工智能-精品教程
43:16
【最通俗易懂】强化学习入门教程：从零构建强化学习知识框架 实战逻 …
已浏览 1197 次3 个月之前
bilibili卢菁博士_北大AI博士后
14:19
Robotic 08_ Robot Simulation using matlab (DH parameter using Peter …
已浏览 11.2万 次2017年4月21日
YouTubeDr. Amr Zamel
7:22
和你一起学电路:听懂扣1！解析RL零输入响应动态电路的时间常数概念！
已浏览 4701 次2020年5月30日
bilibili犹如雨下
观看更多视频
静态缩略图占位符