2019年7月26日
强化学习资料
摘要： openai 一个页面看强化学习 https://lilianweng.github.io/posts/2018-04-08-policy-gradient/ chatgpt 中的PPO 策略 https://huggingface.co/blog/rlhf https://wandb.ai/ayu 阅读全文
posted @ 2019-07-26 17:40 bregman 阅读(280) 评论(1) 推荐(0)