PPO

avatar
TCcjx
生活给我出难题，我说ok小问题
文章
31
标签
64
分类
4
Follow Me
公告
欢迎志同道合的朋友，一起交流
最新文章
从反向传播角度理解 PPO 损失函数
从底层架构到工程实战：深度拆解生产级 AI Agent 的记忆机制
理解学习率调度（余弦退火 + warmup）的原理和作用
Agent 一线实战：落地经验与 Know-How 分享
CLAUDE.md 文件推荐约束提示词
分类
标签
对比学习 KVCache pip RLHF Poetry 技术报告 Pretrain NER MRR 胶水代码 文件传输 温度参数τ 时态知识图谱推理 Attention debug Transformer 心路历程 文献阅读 PPO python LLM 深度学习 DQN算法 Qwen2 TKGs Self-Attention glue code 外推 contrastive learning Claude code RL 大模型 编程日记 vibe coding vscode 时态知识图谱 图谱推理任务 清华源 补全推理 Linux
归档
网站信息
文章数目 :
31
本站总字数 :
23.5k
本站访客数 :
本站总浏览量 :
最后更新时间 :