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
Group Relative Policy Optimization (GRPO) Explained – Formula and PyTorch Implementation
24:21
Group Relative Policy Optimization (GRPO) Explained – Formula and …
5 个月之前
MSNDeep Learning with Yacine
Policy Optimization as Predictable Online Learning Problems: Imitation Learning and Beyond
Policy Optimization as Predictable Online Learning Problems: Imitati…
2018年10月31日
Microsoft
大模型进化论15：强化学习PPO | OpenAI 的天才设计 | 大模型强化学习的核心引擎
12:36
大模型进化论15：强化学习PPO | OpenAI 的天才设计 | 大模型强化学 …
已浏览 2135 次3 周前
bilibili畅想EidolaAI
PPO Implementation from Scratch Reinforcement Learning
21:24
PPO Implementation from Scratch Reinforcement Learning
已浏览 16 次1 个月前
bilibili时光静寂流逝
Aligning LLM Models with Human Preferences
4:19
Aligning LLM Models with Human Preferences
1 个月前
YouTubePromptProfessional
I Will Be Replace ChatGPT From Now On
0:10
I Will Be Replace ChatGPT From Now On
已浏览 1819 次3 个月之前
YouTubeYasu Ghostsu
8:31
Proximal Policy Optimization in Reinforcement Learning Simplified
已浏览 22 次3 周前
YouTubeRITEC
0:56
Rithmic's AI: Advanced Machine Learning Algorithms Explained #s…
已浏览 192 次2 个月之前
YouTubequantlabs
35:17
#304 DeepSeekMath and RL for LLMs
已浏览 181 次2 个月之前
YouTubeData Science Gems
9:03
Chapter 8: RLHF Reinforce Leaning by Human Feedback Step by Step
已浏览 9 次2 周前
YouTubeLeoverseAI
1:40
Real-wrold Experiment : MAP3O- 6 UAVs and 2 UGVs
已浏览 8 次3 周前
YouTubeFlightKernel Lab
0:34
PPO Algorithm Explained 🤖 | Proximal Policy Optimization in Reinforcem…
已浏览 2 次3 周前
YouTubeQybrenthak AI Pvt. Ltd.
1:04
AI Learn to Dodge Asteroids
已浏览 1184 次2 个月之前
YouTubeManiCo Labs
3:00
Contact-Safe Reinforcement Learning with ProMP Reparameter…
1 个月前
YouTubeFigueredo
An Ensemble Method with Plans-Managed Policy for Proximal Polic…
1 个月前
acm.org
Proximal Policy Optimization (PPO) with Contra
已浏览 6379 次2021年2月21日
YouTubeViệt Nguyễn AI
Autonomous Vehicle with AI-based Adaptive Cruise Control using Car…
已浏览 242 次11 个月之前
YouTubeCodeCrafted with Shlok
2:15:13
【Umar Jamil】 用数学推导和Pytorch代码解释RLHF 中英字幕
已浏览 45 次2025年2月4日
bilibili阳冰NaN
7:50
近端策略优化算法 PPO（Proximal Policy Optimization Algorithms）
已浏览 274 次4 个月之前
bilibili小迪学AI
33:53
【PPO】【已完结】PPO第二部分 完整实现和代码解读
已浏览 9423 次4 个月之前
bilibili东川路第一可爱猫猫虫
29:08
Proximal Policy Optimization is Easy with Tensorflow 2 - PPO Tut…
已浏览 307 次2022年5月6日
bilibiliMrJ-Michael
53:45
强化学习策略梯度之proximal policy optimization PPO理论与代码（上）
已浏览 1万 次2022年3月26日
bilibiliStevensong铁维
41:34
Lecture 2 强化学习 Proximal Policy Optimization
已浏览 515 次2019年5月22日
bilibilismart_machine
9:51
Reinforcement Learning behind Humanoid Robot Explained
已浏览 1.3万 次2025年1月11日
YouTubeAGI Lambda
38:24
Proximal Policy Optimization (PPO) - How to train Large Language Mod…
已浏览 140 次4 个月之前
bilibilibender2016
31:03
强化学习策略梯度之Proximal Policy Optimization PPO理论与代码（二）
已浏览 4773 次2022年3月27日
bilibiliStevensong铁维
1:02:47
PyTorch论文复现 | Proximal Policy Optimization (PPO)
已浏览 9557 次2021年7月20日
bilibili深度强化学习实验室
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 1.3万 次4 个月之前
bilibili东川路第一可爱猫猫虫
观看更多视频
静态缩略图占位符