【PPO】【已完结】PPO第二部分 完整实现和代码解读
33:53
【PPO】【已完结】PPO第二部分 完整实现和代码解读
已浏览 6520 次1 个月前
bilibili东川路第一可爱猫猫虫
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 90 次2 周前
bilibili小飞鱼的日常
[Agentic RL] 02 策略梯度基础，从 PG 到 TRPO 到 PPO-Clip 核心公式简单推导
15:14
[Agentic RL] 02 策略梯度基础，从 PG 到 TRPO 到 PPO-Clip 核心公式简 …
已浏览 3629 次3 个月之前
bilibili五道口纳什
【PPO的前身】【TRPO】第一部分 直观理解与算法理论
25:17
【PPO的前身】【TRPO】第一部分 直观理解与算法理论
已浏览 7178 次2 个月之前
bilibili东川路第一可爱猫猫虫
Policy Optimization in Reinforcement Learning
7:12
Policy Optimization in Reinforcement Learning
已浏览 3 次3 周前
YouTubeom
🔍 Understanding Proximal Policy Optimization (PPO) Advanced Reinforcement Learning for AI
0:39
🔍 Understanding Proximal Policy Optimization (PPO) Advanced Rei…
2 周前
YouTubeChain
3.4 Optimal Policies and Optimal Value Functions | DRL Course
6:49
3.4 Optimal Policies and Optimal Value Functions | DRL Course
已浏览 5 次2 个月之前
YouTubeBarmenteros FX
1:10
What is Proximal Policy Optimization ( PPO)?
1 个月前
YouTubeData Science Made Easy
4:20
BAPO: Stabilizing Off‑Policy RL for LLMs
已浏览 6 次2 个月之前
YouTubeAI Research Roundup
7:03
GRPO: The Reinforcement Learning Trick That Changed Everything
已浏览 31 次3 周前
YouTubemathtartic
38:24
Proximal Policy Optimization (PPO) - How to train Large Language Mod…
已浏览 121 次1 个月前
bilibilibender2016
Advanced Concepts in Large Language Models. RL / SFT / MHA …
3 周前
linkedin.com
Direct Preference Optimization: Forget RLHF (PPO)
已浏览 1.6万 次2023年6月6日
YouTubeDiscover AI
Proximal Policy Optimization (PPO) With TensorFlow 2.x | Towards Da…
2020年9月21日
towardsdatascience.com
24:31
DPO Meets PPO: Reinforced Token Optimization for RLHF
已浏览 168 次2024年4月30日
YouTubeArxiv Papers
Further Contemporary RL Algorithms (TRPO, PPO - Lecture …
已浏览 515 次2023年7月5日
YouTubePaderborn University - Department LEA
29:08
Proximal Policy Optimization is Easy with Tensorflow 2 | PPO Tuto…
已浏览 1.3万 次2022年1月12日
YouTubeMachine Learning with Phil
PPO Algorithm
已浏览 4 次6 个月之前
YouTubeMachine Learning and Artificial Intelligence
13:42
ChatGPT狂飙：强化学习RLHF与PPO！【ChatGPT】系列第02篇
已浏览 3077 次2023年2月12日
YouTubeZOMI酱
15:55
Policy Optimization & TRPO & PPO | RL原理讲解系列 #3
已浏览 11 次3 个月之前
YouTubeUp-Fei
40:53
DPO RM=PPO？RLHF算法串烧及详解
已浏览 2378 次2024年11月10日
bilibiliAI玩家曹博士
36:49
7-PPO算法原理与实验实现
已浏览 713 次2024年9月19日
bilibilikindlytrees
7:50
近端策略优化算法 PPO（Proximal Policy Optimization Algorithms）
已浏览 236 次1 个月前
bilibili小迪学AI
27:35
[论文精读] Deepseek r1 (prepare) - RLHF & PPO & GRPO
已浏览 1.2万 次9 个月之前
bilibili酸果酿
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 4350 次7 个月之前
bilibili文言AI
22:29
PPO算法原理 || LLM 后训练应用
已浏览 2388 次4 个月之前
bilibili凶猛肱二头
1:02:47
PyTorch论文复现 | Proximal Policy Optimization (PPO)
已浏览 9502 次2021年7月20日
bilibili深度强化学习实验室
21:15
DPO直接偏好优化算法 （动画讲解）
已浏览 8122 次2024年10月26日
bilibili数源创域
19:42
【Offline RL】6.1 策略优化（Policy Optimization）
已浏览 504 次4 个月之前
bilibiliJOJO想
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 3434 次8 个月之前
bilibili文言AI
观看更多视频
静态缩略图占位符