全部

RLHF

2 篇文章

2025-02-11

大语言模型 RLHF 全链路揭秘：从策略梯度、PPO、GAE 到 DPO 的实战指南

后训练 · en / zh ·93 个公式 RLHF

2025-02-07

DeepSeek-R1 技术剖析：没有强化学习基础也能看懂的 PPO & GRPO

后训练 · en / zh ·16 个公式 GRPO 的谱系 1 GRPO RLHF