FANDEX-Index
首页/.../标签/PPO

PPO

3 篇文档 | 3 个模块

AI伦理与安全1

  • 指令遵循作为对齐信号

大语言模型1

  • RLHF人类反馈强化学习

机器学习1

  • PPO近端策略优化
首页