当前标签：大模型和强化学习

DPO: Direct Preference Optimization 直接偏好优化（学习笔记）
kkzhang 2024-01-15 09:56 阅读:49808 评论:0 推荐:1
浮点数格式：FP64, FP32, FP16, BFLOAT16, TF32之间的相互区别
kkzhang 2023-11-20 10:08 阅读:18866 评论:0 推荐:1
TRL(Transformer Reinforcement Learning) PPO Trainer 学习笔记
kkzhang 2023-11-13 15:44 阅读:4061 评论:0 推荐:0
基于LoRA的RLHF
kkzhang 2023-11-09 16:03 阅读:2298 评论:0 推荐:0
基于人类反馈的强化学习，Reinforcement Learning from Human Feedback (RLHF)
kkzhang 2023-11-09 10:39 阅读:2808 评论:0 推荐:1