会员服务
【教程】通过人类反馈的强化学习，77页ppt
【教程】通过人类反馈的强化学习，77页ppt
专知会员服务
35+阅读 · 10月5日
大模型如何多模态偏好对齐？最新《基于人类反馈的语言、语音和视觉任务偏好优化》综述
大模型如何多模态偏好对齐？最新《基于人类反馈的语言、语音和视觉任务偏好优化》综述
专知会员服务
24+阅读 · 9月22日
大型语言模型对齐技术综述：RLHF、RLAIF、PPO、DPO 等
大型语言模型对齐技术综述：RLHF、RLAIF、PPO、DPO 等
专知会员服务
52+阅读 · 7月24日
直接偏好优化：一种新的RLHF方法，87页ppt
直接偏好优化：一种新的RLHF方法，87页ppt
专知会员服务
41+阅读 · 6月10日
基于人工反馈的强化学习综述
基于人工反馈的强化学习综述
专知会员服务
60+阅读 · 2023年12月25日
ChatGPT大模型技术发展与应用
ChatGPT大模型技术发展与应用
专知会员服务
127+阅读 · 2023年12月3日
100页HuggingFace等《通过人类反馈的强化学习（RLHF）》教程讲解
100页HuggingFace等《通过人类反馈的强化学习（RLHF）》教程讲解
专知会员服务
86+阅读 · 2023年12月3日
如何对齐学习？伯克利博士论文《人本主义奖励设计》，119页pdf阐述大模型中对齐人类输入设计
如何对齐学习？伯克利博士论文《人本主义奖励设计》，119页pdf阐述大模型中对齐人类输入设计
专知会员服务
46+阅读 · 2023年11月20日
【ETHZ博士论文】基于人类反馈的安全高效强化学习算法基础， 258页pdf
【ETHZ博士论文】基于人类反馈的安全高效强化学习算法基础， 258页pdf
专知会员服务
50+阅读 · 2023年10月8日
132页HuggingFace等《通过人类反馈的强化学习（RLHF）》教程讲解
132页HuggingFace等《通过人类反馈的强化学习（RLHF）》教程讲解
专知会员服务
75+阅读 · 2023年8月27日
调查分析两百余篇大模型论文，数十位研究者一文综述RLHF的挑战与局限
调查分析两百余篇大模型论文，数十位研究者一文综述RLHF的挑战与局限
专知会员服务
48+阅读 · 2023年8月1日
ICML2023开会了！RLHF技术究竟是什么？167页HuggingFace等《通过人类反馈的强化学习（RLHF）》教程讲解
ICML2023开会了！RLHF技术究竟是什么？167页HuggingFace等《通过人类反馈的强化学习（RLHF）》教程讲解
专知会员服务
117+阅读 · 2023年7月24日
71页ppt！指令微调和RLHF讲座(NYU CSCI 2590) 附视频
71页ppt！指令微调和RLHF讲座(NYU CSCI 2590) 附视频
专知会员服务
51+阅读 · 2023年5月20日
【OpenAI-John Schulman】从人类反馈中强化学习:进展与挑战
【OpenAI-John Schulman】从人类反馈中强化学习:进展与挑战
专知会员服务
62+阅读 · 2023年4月22日
ChatGPT核心技术“RLHF”如何学习？最新《基于人类反馈的强化学习:从零到chatGPT》综述，附视频与51页slides
ChatGPT核心技术“RLHF”如何学习？最新《基于人类反馈的强化学习:从零到chatGPT》综述，附视频与51页slides
专知会员服务
186+阅读 · 2023年3月2日
参考链接
微信扫码咨询专知VIP会员
Top