标签: 强化学习 | 随缘随笔 <br> Insights Flow

0%

强化学习标签

2024

12-14

重读STaR，与o1随想

2023

05-10

论文阅读[精读]-RRHF: Rank Responses to Align Language Models with Human Feedback without tears

04-11

论文阅读[粗读]-强化学习和RLHF中的PPO算法