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 4340 次2 个月之前
bilibili东川路第一可爱猫猫虫
可视化RLHF背后的PPO算法：第一部分
4:01
可视化RLHF背后的PPO算法：第一部分
已浏览 36 次1 个月前
bilibili光子AI
RL-PPO-栅格地图寻优
0:29
RL-PPO-栅格地图寻优
已浏览 126 次1 个月前
bilibiliErkeSebrina
【强化学习实战】PPO算法A股实战课：核心原理 clipped 目标函数 调参技巧 RL 范式解析！强化学习入门实战
28:15
【强化学习实战】PPO算法A股实战课：核心原理 clipped 目标函数 调参 …
已浏览 287 次1 个月前
bilibiliAI大模型基地
可视化RLHF背后的PPO算法：第二部分
1:56
可视化RLHF背后的PPO算法：第二部分
已浏览 362 次1 个月前
bilibili光子AI
Proximal Policy Optimization Implementation: 8 Details for Continuous Actions (3/3)
Proximal Policy Optimization Implementation: 8 Details for Cont…
已浏览 1.2万 次2021年11月22日
YouTubeWeights & Biases
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 11 次5 个月之前
YouTubeUp-Fei
33:00
RLHF之PPO原理-03
已浏览 273 次2024年11月19日
bilibili两年半技术栈练习
8:51
RLHF之PPO原理-02
已浏览 748 次2024年11月19日
bilibili两年半技术栈练习
28:38
RLHF之PPO原理-01
已浏览 504 次2024年11月19日
bilibili两年半技术栈练习
40:53
DPO+RM=PPO？RLHF算法串烧及详解
已浏览 2392 次2024年11月10日
bilibiliAI玩家曹博士
9:25
1小时速通 - 从强化学习到RLHF - PPO completed
已浏览 741 次6 个月之前
bilibili就要吃我就要吃
1:06:44
用AI玩开车游戏？详细解说（初稿，就是有点长）
已浏览 284 次6 个月之前
bilibililambo131
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 4373 次4 个月之前
bilibili五道口纳什
24:13
[Agentic RL] 07 limits of RLVR，base vs. RL, pass@k, ppl …
已浏览 2655 次2 个月之前
bilibili五道口纳什
43:40
RLHF之ppo基础
已浏览 5978 次2025年2月5日
bilibili学车辆的算法工程师
1:18
Mujoco仿真 | RL训练 | PPO | SIM2SIM | SIM2Real | IK各种算法 | …
已浏览 3315 次4 个月之前
bilibili木子晓汶
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
1:02:54
【PPO强化学习】TRL PPO源码分析
已浏览 4955 次6 个月之前
bilibili小鱼儿at青岛
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 4418 次9 个月之前
bilibili文言AI
21:56
从经典PPO到PPO-RLHF(二) InstructGPT RLHF trl代码
已浏览 2805 次2 个月之前
bilibili东川路第一可爱猫猫虫
2:18
【强化学习】PPO_LunarLander
已浏览 216 次6 个月之前
bilibili罄折
25:21
L4 TRPO and PPO (Foundations of Deep RL Series)
已浏览 480 次2021年8月30日
bilibili深度强化学习实验室
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 10.3万 次11 个月之前
bilibili吃花椒的麦
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
14:20
强化学习Reinforcement Learning PPO算法详解
已浏览 2.1万 次2020年3月2日
bilibili浢哔涛
46:24
【PPO强化学习】带你看透PPO训练原理
已浏览 5363 次6 个月之前
bilibili小鱼儿at青岛
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 1.1万 次3 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 3568 次10 个月之前
bilibili文言AI
观看更多视频
静态缩略图占位符