算法面试考点复习 [LLM-RL-PPO]
0:18
算法面试考点复习 [LLM-RL-PPO]
已浏览 102 次1 个月前
bilibili小飞鱼的日常
从经典PPO到PPO-RLHF(一) 构建RL到LLM的概念映射
17:06
从经典PPO到PPO-RLHF(一) 构建RL到LLM的概念映射
已浏览 3992 次1 个月前
bilibili东川路第一可爱猫猫虫
[中配] 近端策略优化（PPO）- 如何训练大型语言模型 - Serrano.Academy
40:01
[中配] 近端策略优化（PPO）- 如何训练大型语言模型 - Serrano.Academy
已浏览 171 次1 个月前
bilibili外番の声
Policy Optimization in Reinforcement Learning
7:12
Policy Optimization in Reinforcement Learning
已浏览 3 次1 个月前
YouTubeom
🔍 Understanding Proximal Policy Optimization (PPO) Advanced Reinforcement Learning for AI
0:39
🔍 Understanding Proximal Policy Optimization (PPO) Advanced Rei…
1 个月前
YouTubeChain
GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL (Jan 2026)
14:09
GDPO: Group reward-Decoupled Normalization Policy Optimization …
已浏览 32 次3 周前
YouTubeAI Papers Slop
Proximal Policy Optimization (PPO) With TensorFlow 2.x | Towards Data Science
Proximal Policy Optimization (PPO) With TensorFlow 2.x | Towards Da…
2020年9月21日
towardsdatascience.com
15:55
Policy Optimization & TRPO & PPO | RL原理讲解系列 #3
已浏览 11 次4 个月之前
YouTubeUp-Fei
36:49
7-PPO算法原理与实验实现
已浏览 726 次2024年9月19日
bilibilikindlytrees
33:53
【PPO】【已完结】PPO第二部分 完整实现和代码解读
已浏览 7716 次2 个月之前
bilibili东川路第一可爱猫猫虫
25:17
【PPO的前身】【TRPO】第一部分 直观理解与算法理论
已浏览 8824 次3 个月之前
bilibili东川路第一可爱猫猫虫
31:16
简单解释近端策略优化算法（PPO）：全白板详细讲解
已浏览 507 次5 个月之前
bilibilirobert_zeng
53:45
强化学习策略梯度之proximal policy optimization PPO理论与代码（上）
已浏览 1万 次2022年3月26日
bilibiliStevensong铁维
41:34
DRL Lecture 2: Proximal Policy Optimization (PPO)
已浏览 229 次2022年5月3日
bilibili人工智能基地2
22:03
Proximal Policy Optimization (PPO) for LLMs Explained Intuitively
已浏览 22 次9 个月之前
bilibili哎吧星
9:57
99.RL专题：PPO中除了使用KL散度限制策略更新的幅度，还可以使用什 …
已浏览 2939 次9 个月之前
bilibili文言AI
19:50
PPO算法 - Deep Reinforcement Learning
已浏览 174 次2023年6月5日
bilibilitiandiao123
21:15
DPO直接偏好优化算法 （动画讲解）
已浏览 8312 次2024年10月26日
bilibili数源创域
19:50
深度强化学习之策略梯度方法与近似策略优化(PPO)
已浏览 5770 次2018年10月2日
bilibili爱可可-爱生活
48:42
[LLM RL] 理解 GRPO 公式原理及 TRL GrpoTrainer 代码实现（advantage …
已浏览 5.2万 次11 个月之前
bilibili五道口纳什
7:50
近端策略优化算法 PPO（Proximal Policy Optimization Algorithms）
已浏览 266 次2 个月之前
bilibili小迪学AI
11:31
Reinforcement Learning in DeepSeek-R1 | Visually Explained
已浏览 4.2万 次2025年2月1日
YouTubeAGI Lambda
8:17
97.RL专题：简述一下PPO算法。其与TRPO算法有何关系呢？
已浏览 3538 次9 个月之前
bilibili文言AI
17:50
Proximal Policy Optimization Explained
已浏览 7.6万 次2021年5月20日
YouTubeEdan Meyer
4:48
98.RL专题：PPO中为什么不直接计算 θ 与 θ′ 之间的距离？
已浏览 4401 次9 个月之前
bilibili文言AI
1:01
Proximal Policy Optimization (PPO) for LLMs Explained Intuitively_par…
已浏览 3 次9 个月之前
bilibili哎吧星
11:05
AI Learns to Park - Deep Reinforcement Learning
已浏览 309.9万 次2019年8月23日
YouTubeSamuel Arzt
38:24
Proximal Policy Optimization (PPO) - How to train Large Language Mod…
已浏览 124 次2 个月之前
bilibilibender2016
12:32
[DRL] 从 TRPO 到 PPO（PPO-penalty，PPO-clip）
已浏览 7127 次2024年5月25日
bilibili五道口纳什
19:25
【PPO】从零到深入(1) 从梯度本质看 PPO的裁剪目标函数
已浏览 9771 次2 个月之前
bilibili东川路第一可爱猫猫虫
观看更多视频
静态缩略图占位符