由于现在 DeepSeek 之后每个人都想学习语言模型的 RL，-20250203084137

斌叔OKmath · 微博 · · 2025-02-03 08:41

文章预览

2025-02-03 08:41 本条微博链接由于现在 DeepSeek 之后每个人都想学习语言模型的 RL，所以提醒一下，几个月来我一直在幕后默默地写这本书。政策梯度章节正在整理中。现在每天都在努力写这本书。 rlhfbook dot com ………………………………

原文地址：访问原文地址
快照地址：访问文章快照
总结与预览地址：访问总结与预览

分享到微博

推荐文章

数据派THU · GraphTeam: 基于多智能体协作的图分析大模型，平均准确率提升了 25.85%！！

23 小时前

時間的玩家TimeIsArt · 每日临在 | 2025.02.02

2 天前

InfoTech · 10个超级实用的deepseek提示方式

3 天前

玉树芝兰 · 能反思的 AI 搜索应用，如何帮你克服「写作障碍」？

3 天前

环保之家 · 环评中PM2.5排放速率按 PM10的50%计算，有环境部文件资料明确依据？

1 月前