OAPL: Efficient LLM Reasoning via Off-Policy RL
4:55
OAPL: Efficient LLM Reasoning via Off-Policy RL
已浏览 24 次1 个月前
YouTubeAI Research Roundup
DeepSeek-AI's GRPO Revolution: Boosting AI Reasoning with New Variants | Byte Goose AI posted on the topic | LinkedIn
DeepSeek-AI's GRPO Revolution: Boosting AI Reasoning with New …
已浏览 103 次3 个月之前
linkedin.com
Policy Optimization & TRPO & PPO | RL原理讲解系列 #3
15:55
Policy Optimization & TRPO & PPO | RL原理讲解系列 #3
已浏览 25 次7 个月之前
YouTubeUp-Fei
零基础学习强化学习算法：ppo
31:01
零基础学习强化学习算法：ppo
已浏览 24万 次2024年6月10日
bilibiliRethinkFun
【大白话04】一文理清强化学习PPO和GRPO算法流程 | 原理图解
21:21
【大白话04】一文理清强化学习PPO和GRPO算法流程 | 原理图解
已浏览 6.1万 次2025年3月31日
bilibili吃花椒的麦
从经典PPO到PPO-RLHF(二) InstructGPT RLHF trl代码
21:56
从经典PPO到PPO-RLHF(二) InstructGPT RLHF trl代码
已浏览 3756 次3 个月之前
bilibili东川路第一可爱猫猫虫
【PPO强化学习】TRL PPO源码分析
1:02:54
【PPO强化学习】TRL PPO源码分析
已浏览 5559 次7 个月之前
bilibili小鱼儿at青岛
15:33
深度强化学习 PPO 纯白板逐行代码Python实现
已浏览 7.2万 次2024年9月3日
bilibili阿雄Dylan
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 5775 次2018年10月2日
bilibili爱可可-爱生活
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 1.4万 次5 个月之前
bilibili东川路第一可爱猫猫虫
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 3658 次11 个月之前
bilibili文言AI
近端策略优化算法(PPO)：RL最经典的博弈对抗算法之一「AI核心算法」 …
2020年12月14日
tencent.com
48:42
[LLM RL] 理解 GRPO 公式原理及 TRL GrpoTrainer 代码实现（advantage …
已浏览 5.7万 次2025年2月16日
bilibili五道口纳什
0:45
Acrobot with PPO (Reinforcement Learning)
已浏览 1517 次2019年10月14日
YouTubeVictor Gouet
17:50
Proximal Policy Optimization Explained
已浏览 7.8万 次2021年5月20日
YouTubeEdan Meyer
5:54
强化学习PPO算法实例讲解
已浏览 1126 次8 个月之前
bilibili酌沧
35:01
Let's Code Proximal Policy Optimization
已浏览 1.8万 次2021年5月28日
YouTubeEdan Meyer
24:13
[RL4LLM] PPO workflow 及 OpenRLHF、veRL 初步介绍，ray d…
已浏览 1.3万 次2025年3月2日
bilibili五道口纳什
29:04
Introduction to Proximal Policy Optimization algorithm (PPO)
已浏览 1.3万 次2020年3月31日
YouTubePython Lessons
30:58
Introduction to Reinforcement Learning - Cartpole DQN
已浏览 4.7万 次2019年11月26日
YouTubePython Lessons
19:24
RL 7: Monte-Carlo Method | Reinforcement Learning
已浏览 3.8万 次2019年8月17日
YouTubeAI Insights - Rituraj Kaushik
12:32
[DRL] 从 TRPO 到 PPO（PPO-penalty，PPO-clip）
已浏览 7401 次2024年5月25日
bilibili五道口纳什
36:19
[7.5] Dijkstra Shortest Path Algorithm in Python
已浏览 8.9万 次2021年7月18日
YouTubeThinkX Academy
17:42
Teach AI To Play Snake - Reinforcement Learning Tutorial …
已浏览 12.2万 次2020年12月20日
YouTubePatrick Loeber
8:20
Time complexity analysis - some general rules
已浏览 57.7万 次2012年12月8日
YouTubemycodeschool
25:40
Python Reinforcement Learning Tutorial for Beginners in 25 Minutes
已浏览 6.8万 次2021年3月10日
YouTubeNicholas Renotte
13:45
An Introduction to Proximal Policy Optimization (PPO) in Deep Reinfo…
已浏览 1.8万 次2019年6月3日
YouTubeUdacity-DeepRL
3:01:58
Reinforcement Learning in 3 Hours | Full Course using Python
已浏览 52.7万 次2021年6月6日
YouTubeNicholas Renotte
1:02:47
Proximal Policy Optimization (PPO) is Easy With PyTorch | Full PPO T…
已浏览 8.5万 次2020年12月24日
YouTubeMachine Learning with Phil
11:23
如何使用PyTorch实现PPO算法？博士详解近端策略优化算法原理 公式 …
已浏览 1990 次2025年2月20日
bilibili老李头的百宝箱
观看更多视频
静态缩略图占位符