我的随笔

大模型- 强化学习-蒙特卡洛（Monte Carlo）和时序差分（Temporal-Difference, TD）--81

jack-chen666 2025-07-13 11:24 阅读:102 评论:0 推荐:0

大模型- 强化学习中的DP 动态规划--80

jack-chen666 2025-07-12 11:49 阅读:61 评论:0 推荐:0

大模型- GRPO 与 PPO DPO对比--78

jack-chen666 2025-07-08 15:41 阅读:1375 评论:0 推荐:0

大模型- 强化学习-贝尔曼方程 -77

jack-chen666 2025-07-06 23:46 阅读:134 评论:0 推荐:0

大模型- 强化学习-两种核心的方法 -76

jack-chen666 2025-07-04 09:05 阅读:35 评论:0 推荐:0

大模型- PPO大语言模型（LLM）对齐的强化学习算法 -75

jack-chen666 2025-07-03 09:49 阅读:226 评论:0 推荐:0

大模型- PPO、DPO 和 KTO 这三种用于大语言模型（LLM）对齐的强化学习算法 -74

jack-chen666 2025-06-30 10:35 阅读:1111 评论:0 推荐:0

大模型-llamafactory ppo训练模型，不使用llm作为reward模型 -73

jack-chen666 2025-06-24 09:59 阅读:863 评论:1 推荐:0

大模型-vllm 启动参数 --chat-template -72

jack-chen666 2025-06-24 09:44 阅读:1387 评论:0 推荐:0

大模型-强化学习Belman方程-71

jack-chen666 2025-06-23 09:16 阅读:76 评论:0 推荐:0