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 2321 次3 周前
bilibili畅想EidolaAI
多智能体(无人机无人车)强化学习手把手实践-PPO算法解析
23:37
多智能体(无人机无人车)强化学习手把手实践-PPO算法解析
已浏览 1652 次1 个月前
bilibili嗯不想长大
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
Proximal Policy Optimization in Reinforcement Learning Simplified
8:31
Proximal Policy Optimization in Reinforcement Learning Simplified
已浏览 22 次3 周前
YouTubeRITEC
Turn-PPO: LLM 에이전트 멀티턴 강화학습 최적화 및 GRPO 비교 분석
4:47
Turn-PPO: LLM 에이전트 멀티턴 강화학습 최적화 및 GRPO 비교 분석
已浏览 2 次3 个月之前
YouTubeCosmoX
LLM 강화학습에서 PPO 한계와 DPPO 제안 — Trust Region 재고찰 in LLM Fine-Tuning
8:04
LLM 강화학습에서 PPO 한계와 DPPO 제안 — Trust Region 재고찰 in LL…
1 个月前
YouTubeCosmoX
0:17
Unlock AI's Secrets: Q-Learning, PPO & Future Rewards Explained…
已浏览 60 次2 个月之前
YouTubeCoder Trader
25:35
Teaching LLMs with RL: From Scratch to GRPO and Beyond
已浏览 152 次2 个月之前
YouTubeMachine & Deep Learning Israel
2:52
AI Agents Learn to Play Soccer
已浏览 39 次1 个月前
YouTubeMagnificent Skippy
2:03
Aligning AI
1 个月前
YouTubePromptProfessional
9:03
Chapter 8: RLHF Reinforce Leaning by Human Feedback Step by Step
已浏览 9 次3 周前
YouTubeLeoverseAI
1:21
This AI Soccer Team Beats Humans (Real-Time Multi-Agent Breakthro…
3 个月之前
YouTubeCollapsedLatents
0:35
AI Learns to Skip the Line
已浏览 2322 次1 个月前
YouTubeArtful AI
0:34
PPO Algorithm Explained 🤖 | Proximal Policy Optimization in Reinforcem…
已浏览 2 次4 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
#reinforcementlearning #marl #robotics #ros2 #isaacsim #pytorc…
已浏览 4 次1 个月前
linkedin.com
AI Agents Learn to Play Soccer | Edgar Hilton
已浏览 986 次1 个月前
linkedin.com
Unitree Go2 Locomotion via Deep Reinforcement Learning | Jinesh …
已浏览 4 次3 周前
linkedin.com
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
25:51
[双语字幕] 1/3 Proximal Policy Optimization Implementation 11 C…
已浏览 72 次2025年3月13日
bilibili89270639239_bili
2:12:49
北京航空航天大学张慧铭副教授：从老虎机到强化学习再到Deepseek-r1 …
已浏览 8.1万 次5 个月之前
bilibili狗熊会
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
21:56
从经典PPO到PPO-RLHF(二) InstructGPT RLHF trl代码
已浏览 3588 次3 个月之前
bilibili东川路第一可爱猫猫虫
33:53
【PPO】【已完结】PPO第二部分 完整实现和代码解读
已浏览 9559 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
观看更多视频
静态缩略图占位符