Calculation and Design Calculate the DOF of the mechanism and... | Filo
Calculation and Design Calculate the DOF of the mechanism and... | …
已浏览 5930 次2025年3月2日
askfilo.com
大模型微调不 “失忆” 的秘密：RL 为何比 SFT 更懂 “守旧”？MIT新发现：强化学习微调，为何比监督学习更“记”得好？
3:10
大模型微调不 “失忆” 的秘密：RL 为何比 SFT 更懂 “守旧”？MIT新发现…
已浏览 990 次1 个月前
bilibili卢菁博士_北大AI博士后
Apply the given rule lifting algorithm to:\begin{array}{rlrl}f ... | Filo
Apply the given rule lifting algorithm to:\begin{array}{rlrl}f ... | Filo
已浏览 5089 次9 个月之前
askfilo.com
RL00-Reinforced Learning (RL) 强化学习系列介绍
45:03
RL00-Reinforced Learning (RL) 强化学习系列介绍
已浏览 722 次1 个月前
bilibili山哥学AI
20分钟带你快速弄懂SFT、RLHF、DPO ！从定义到适用边界全流程解析~大模型|LLM
19:23
20分钟带你快速弄懂SFT、RLHF、DPO ！从定义到适用边界全流程解 …
已浏览 855 次1 个月前
bilibili大模型研学社
大模型对齐方法综述与代码示例（二）
14:19
大模型对齐方法综述与代码示例（二）
已浏览 444 次6 个月之前
bilibiliswanmsg
解锁RL革命：OpenRL，PyTorch驱动的开源强化学习终极框架！
22:54
解锁RL革命：OpenRL，PyTorch驱动的开源强化学习终极框架！
已浏览 1150 次3 个月之前
bilibiliswanmsg
15:06
[Agentic RL] 04 REINFORCE 4 LLM，设计 reward，如何维护和计 …
已浏览 3540 次4 个月之前
bilibili五道口纳什
4:20
强化学习算法工程师的年度总结：RL 训练中的 Rollout、异步与框架设计
已浏览 3439 次2 个月之前
bilibiliyang_xi_111
0:52
哈工大算法大佬亲授！《大模型算法：强化学习、微调与对齐》100 张 …
已浏览 139 次9 个月之前
bilibili博文视点阿豹Class
0:56
谷歌大佬新作 RL从入门到前沿
已浏览 264 次4 个月之前
bilibiliAI梨大谱
16:24
[Agentic RL] 10 分布的视角理解 LLM 的 SFT 训练和 RL 训练，Forward…
已浏览 5674 次1 个月前
bilibili五道口纳什
1:14:20
【Online RL】17 OLIVE算法（Optimism Let Iterative Value-fun…
已浏览 462 次3 个月之前
bilibiliJOJO想
1:01
基于归一化抓取空间的高效区域感知6-DoF抓取算法
已浏览 265 次2024年10月23日
bilibiliChenThree3
1:37:40
如何让LLM通过RL又好又准地使用工具?
已浏览 3130 次10 个月之前
bilibiliNICE学术
2:52
热度图引导的杂乱场景高效6-Dof抓取检测
已浏览 525 次2024年3月28日
bilibiliChenThree3
18:45
强化学习 (RL) 在做什么？RL原理讲解系列#1
已浏览 7161 次2023年10月31日
bilibiliUp-Fei
35:41
【大白话03】一文理清强化学习RL基本原理 | 原理图解+公式推导
已浏览 10.4万 次11 个月之前
bilibili吃花椒的麦
30:43
第2章 一阶电路暂态响应-换路定则求初始值（RC、RL、RLC电路-例题讲 …
已浏览 1.3万 次2021年9月29日
bilibili橙子3712
1:00:50
强化学习第一节（RL基本概念 工具 基本算法）【个人知识分享】
已浏览 2.8万 次2021年12月2日
bilibili二营长向强化学习开炮
0:38
RL 算法大突破！多智能体协作性能飞升
已浏览 218 次10 个月之前
bilibiliAI因斯坦玩转AI
16:01
[RLHF] 从 PPO rlhf 到 DPO，公式推导与原理分析
已浏览 2.2万 次2024年6月23日
bilibili五道口纳什
16:42
编译原理第四章LR（0）DFA构造，判断能否使用SLR（1）分析表解决 …
已浏览 618 次2 个月之前
bilibili甜滋滋的巧克力豆
23:15
相比SFT为什么RL训练后的模型更不容易遗忘？RL的奥卡姆剃刀原理： …
已浏览 6157 次5 个月之前
bilibiliAI论文小小编
5:49
105.RL专题：目前主流LLM训练的流程是怎样的？
已浏览 3432 次9 个月之前
bilibili文言AI
6:23
88.RL专题：策略中随机探索怎么实现
已浏览 1707 次10 个月之前
bilibili文言AI
1:08
豆瓣 9.4分!《大模型算法》强化学习、DPO、微调SFT、GRPO、PPO、RL…
已浏览 1万 次9 个月之前
bilibili叶子哥AI
44:52
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 …
已浏览 4940 次2024年6月22日
bilibili大模型解码室
7:21
106.RL专题：介绍下DPO执行的流程
已浏览 2016 次9 个月之前
bilibili文言AI
3:39
【254】具有输入仿射系统动力学的连续时间非线性最优控制问题的强化 …
已浏览 650 次2024年10月3日
bilibili既然香遇
观看更多视频
静态缩略图占位符