2025年1月15日
KL散度计算
摘要： KL散度(Kullback-Leibler Divergence)是用来度量两个概率分布相似度的指标，是经典损失函数，应用于PPO等算法参数估计设计。 KL散度的定义 假设对随机变量\(\xi\)，存在两个概率分布P和Q。如果\(\xi\)为离散变量，则定义从P到Q的KL散度为： \[D_{KL}( 阅读全文
posted @ 2025-01-15 21:56 霜尘FrostDust 阅读(1361) 评论(0) 推荐(0)
2025年1月10日
第三届智能决策论坛|决策大模型专题报告——随笔(1)
摘要： 前言 这次汇报的有四位老师，其中我比较感兴趣的是上海交通大学张伟楠老师、北京大学梁一韬老师和清华大学高宸老师的报告，其中张老师之前已经记录过，本文主要作为对梁一韬老师的分享的记录与思考。 CRAFT JARVIS: Towards Generalist Agents in an Open World 阅读全文
posted @ 2025-01-10 21:01 霜尘FrostDust 阅读(289) 评论(0) 推荐(0)
test
摘要： 试试效果 阅读全文
posted @ 2025-01-10 18:57 霜尘FrostDust 阅读(42) 评论(0) 推荐(0)