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 Cursor DeepSeek 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
  • Cursor 中最受欢迎的 5 个 MCP Server!
  • 从GPT-5到DeepSeek V3.1,顶尖AI大模型的新方向出现了!
  • “AI购物代理”——电商下一个必争之地
  • 无账号&特殊网络,如何畅跑 Claude Code|附智谱「特别折扣」
  • 文档多模态RAG方案哪个更好?9类Embedding+3类MLLM+4类框架对比及古籍文档数据合成工具

2025 年 9 月
一 二 三 四 五 六 日
1234567
891011121314
15161718192021
22232425262728
2930  
« 8 月    

归档

  • 2025 年 9 月
  • 2025 年 8 月
  • 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
×