跳至内容
每时AI

每时AI

  • 资讯
  • 国际
  • 分享
  • 大模型
  • 学术
  • 开源
  • 机器人
  • 关于我们

PPO算法

【强化学习】30分钟轻松直通RLHF的核心—PPO算法

2025年4月17日23时 作者 极市干货

nlan.zhihu.com/p/643751150
编辑丨极市平台
极市导读
通俗易懂讲解PPO算

分类 学术 标签 PPO算法、 强化学习优化方法、 熔断机制、 稳定性和灵活性、 策略更新幅度、 详细解释 发表评论

o1复现的一点点心得

2024年12月25日14时 作者 机器学习算法与自然语言处理

MLNLP
社区是国内外知名的机器学习与自然语言处理社区,受众覆盖国内外NLP硕博生、高校老师以及企

分类 学术 标签 32b基座、 7b/14b基座、 PPO算法、 回答过程筛选、 弱模型总结、 超大规模Prompt 发表评论

图解OpenRLHF中基于Ray的分布式训练流程

2024年12月17日8时 作者 极市干货

↑ 点击
蓝字
关注极市平台
作者丨大猿搬砖简记
来源丨大猿搬砖简记
编辑丨极市平台
极市导读
本文

分类 学术 标签 Actor-Critic、 DGL库、 Policy Optimization、 PPO算法、 剪辑参数、 大规模训练 发表评论

AGI AI AI技术 Anthropic ChatGPT Claude DeepSeek DeepSeek-R1 DeepSeek R1 GitHub GPT-4o LLM Meta OpenAI Python Sam Altman 人工智能 人形机器人 具身智能 大型语言模型 大模型 大语言模型 字节跳动 工业机器人 开源 强化学习 微软 扩散模型 技术创新 智能体 木易 机器学习 深度学习 清华大学 生成式AI 用户体验 百度 腾讯 自然语言处理 英伟达 谷歌 阿里云 阿里巴巴 马斯克 黄仁勋

分类

  • 分享
  • 国际
  • 大模型
  • 学术
  • 开源
  • 机器人
  • 资讯
  • ART:构建可靠智能体的强化学习新框架
  • 开发者必看!这个AI工具让“读懂代码”变成“复制优秀”
  • 创造历史!加速进化包揽机器人世界杯冠亚军
  • Figure推出人形机器人防火电池,续航飙升94%,成本降78%
  • Franka Robotics 机器人全新升级 从全球1400 篇论文看科研 “顶流” 如何坐稳机器人研究 “首选载体”

2025 年 7 月
一 二 三 四 五 六 日
 123456
78910111213
14151617181920
21222324252627
28293031  
« 6 月    

归档

  • 2025 年 7 月
  • 2025 年 6 月
  • 2025 年 5 月
  • 2025 年 4 月
  • 2025 年 3 月
  • 2025 年 2 月
  • 2025 年 1 月
  • 2024 年 12 月
  • 2024 年 11 月

AI新闻 | X平台 | APK反编译 | 京ICP备2024096144号 |
© 2025 每时AI • Built with GeneratePress
 下载我们的APP,AI秒送达!  立即下载
×