强化学习

avatar
WALL-E-2000
文章
105
标签
283
分类
11
Follow Me
公告
This is my Blog
最新文章
大模型数学速成（19）：DPO 与 RLHF 目标函数速览
大模型数学速成（19）：DPO 与 RLHF 目标函数速览
大模型数学速成（18）：MoE——稀疏 FFN 与路由
大模型数学速成（18）：MoE——稀疏 FFN 与路由
大模型数学速成（17）：Flash Attention——不物化注意力矩阵
大模型数学速成（17）：Flash Attention——不物化注意力矩阵
大模型数学速成（16）：LoRA——低秩适配在算什么
大模型数学速成（16）：LoRA——低秩适配在算什么
大模型数学速成（15）：量化——从 FP16 到 INT4 的尺度
大模型数学速成（15）：量化——从 FP16 到 INT4 的尺度
分类
标签
架构 MHA Blog 强化学习 LangChain 字符串 数据结构 生成模型 stdin 预训练 Python 推理 标准库 optional 选型 语义检索 异常 链接 构建系统 2016 Transformer JSON Diffusion string_view 概率 CLIP jthread 学习方法 2025 LoRA 电影 编译 原子操作 Gmail 自回归 DevOps 复杂度 容器 语言演进 训练
归档
网站信息
文章数目 :
105
本站访客数 :
本站总浏览量 :
最后更新时间 :