08大模型全栈-强化学习01-RLHF前言传统强化学习
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
13大模型全栈-强化学习06-DPO流程、代码以及损失函数介绍
...
10大模型全栈-强化学习03-RLHF原理以及流程介绍
...
09大模型全栈-强化学习02-RLHF前言LLM强化学习
...
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
...
14大模型全栈-强化学习07-DPO原理公式推导
...
RL vs MPC，LeCun：MPC，胜！我不看好强化学习
...
12大模型全栈-强化学习05-RLHF实战-端到端全流程解决方案-轩辕大模型强化学习完整流程介绍（数据+奖励模型+强化学习调参经验）
...
11大模型全栈-强化学习04-RLHF实战-deepspeed-chat实战
...
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
...
17大模型全栈-强化学习10-DPO变体-DPOP+ORPO：微调阶段实现对齐
...
18大模型全栈-分布式训练01-数据并行-Ring–Allreduce和PS原理
...
上海交大张伟楠强化学习课程第16讲：基于扩散模型的强化学习
...
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
...
Unity使用自己的强化学习算法(DQN)训练智能体——学习日记
...
深度强化学习Carla实战-SAC算法(二)--SAC-Carla训练过程
...
【深度强化学习】作者华盛顿大学Steve Brunton教授精讲《数据驱动的科学与工程：机器学习、动态系统与控制》流体动力学、SVD、神经网络
...
大模型全栈-提词工程
...
【基于 RLHF 的强化学习详解 by Umar Jamil】
...
强化学习付费教程！强化学习实战系列，最全最完整的强化学习教程从零基础开始教学，学完可实战！
...
上海交大张伟楠强化学习课程第1讲：强化学习简介I
...
大模型全栈总览
...
独家视频解读：【北大对齐团队独家解读：OpenAI o1开启「后训练」时代强化学习新范式】
...
三指灵巧手，强化学习手内灵巧操作连续成功
...
基于强化学习的机械臂固定时间轨迹跟踪控制仿真【复现】
...
为什么Isaac gym 读取的速度不等于位置的微分呀，用pd算的力矩不就是错的吗
...
强化训练Cot成为新的scaling law Cot为什么让大模型变强？ 斯坦福论文揭秘
...
吹爆！这绝对是同济大学最出名的AI Agent系列课程了，零基础阶段必备的前沿AI技术，还不会打造专属大模型智能体来打我！人工智能|机器学习|深度学习|强化学习
...
上海交大张伟楠强化学习课程第6讲：无模型控制方法I
...
[下]6个人形双足强化学习开源项目，论文讲解，代码速读，FLD，PBRS，footstep，ExBody，humanplus，humanoid-gym
...
强化学习教父Sutton持续反向传播算法登Nature！证明深度学习还不如浅层网络
...
SOTA ! 浙大最新成果！四足强化学习走梅花桩!
...
2_从零开始学习强化学习_MDP基础概念
...
深度强化学习Carla实战-SAC算法(一)
...
没病走两步？！深度强化学习训练AI走路！
...
上海交大张伟楠强化学习课程第5讲：值函数估计I
...
论文创新秒懂！GNN图神经网络：原理++论文解读+代码复现，入门必看基础干货，全套教程快码住！深度学习/神经网络/人工智能
...
大模型全栈总览-tokenizer
...
大模型全栈-数据介绍
...
大模型全栈总览-训练总览
...
[上]6个人形双足强化学习开源项目，论文讲解，代码速读，FLD，PBRS，footstep，ExBody，humanplus，humanoid-gym