17大模型全栈-强化学习10-DPO变体-DPOP+ORPO：微调阶段实现对齐
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
16大模型全栈-强化学习09-DPO变体：TDPO：更细粒度控制的DPO；RPO：带有离线奖励的DPO
...
10大模型全栈-强化学习03-RLHF原理以及流程介绍
...
14大模型全栈-强化学习07-DPO原理公式推导
...
15大模型全栈-强化学习08-DPO变体：IPO、KTO：无需偏好数据实现对齐
...
大模型全栈总览
...
Qwen2-7B-微调-训练-评估
...
08大模型全栈-强化学习01-RLHF前言传统强化学习
...
UC Berkeley《深度强化学习|CS 285 Deep Reinforcement Learning 2023》中英字幕（豆包翻译）
...
Gemma2-2B-微调-部署
...
09大模型全栈-强化学习02-RLHF前言LLM强化学习
...
11大模型全栈-强化学习04-RLHF实战-deepspeed-chat实战
...
Gemma2-9B-微调-训练-评估
...
13大模型全栈-强化学习06-DPO流程、代码以及损失函数介绍
...
强化学习导航：仿真环境训练及ROS实车部署
...
劝退强化学习？这是我见过最好的强化学习导论多伦多大学精品课程！简直就是小白救星！—深度强化学习/人工智能/神经网络/多智能体强化学习
...
双足机器人强化学习humanoid-gym sim2sim详细学习过程，Openloong的urdf为例
...
Llama3.1-8B-微调-部署
...
[新手可入门]基于pybullet强化学习机械臂抓取仿真
...
Nature 智能机器'24-7-封面，使用强化学习和生成预训练AI模型，举一反三，实现四足机器人逼真的敏捷性和游戏性!
...
牛逼！竟然用3天一口气学完强化学习【PPO、Q-learning、DQN、A3C】十大算法原理及实战玩转超级马里奥！通俗易懂，比啃书强太多了！机器学习|深度学习
...
人形机器人强化学习训练方法，为什么腿是直着的？humanoid gym
...
自动驾驶端到端的难点：数据浓度和强化学习
...
人工智能新突破！登上Nature神坛！首次被证明具有系统泛化能力，能像人类一样举一反三！
...
人形机器人，强化学习sim 2 sim，humanoid gym 训练方法
...
OpenLoong强化学习测试行走
...
机器人进化先从RoboCup足球杯开始
...
大模型全栈–微调01-微调前置-内含openAI垂直大模型生成方案介绍
...
强化学习控制，PPO算法，神经网络控制，SImulink可编程，PX4小无人机飞控，硬件在环仿真到实物飞行
...
重生之变成骷髅，强化学习教我行走
...
强化学习必看！2024麻省理工强化学习最新教程！
...
大模型全栈–微调02-PEFT高效参数微调技术速览lora等技术、lora应用场景、lora调优经验
...
chatglm4微调以及部署介绍
...
大模型全栈-数据介绍
...
傅利叶GR-1 sim2sim到Mujoco环境中
...
大模型全栈总览-tokenizer
...
大模型全栈–transformer原理-embedding原理-增量预训练技巧
...
接chatglm4微调以及部署介绍实操测试多模态以及文档分析部分
...
探索前沿：强化学习与Transformer的29个创新突破
...
19大模型全栈-分布式训练02-数据并行-deepspeed zero1/2/3原理
...
18大模型全栈-分布式训练01-数据并行-Ring–Allreduce和PS原理