PPO

書いてみる

関連タグ

#強化学習 (842)
#AI (350,511)
#AI研究 (176)
#LLM (7,822)
#RLHF (59)
#ディープラーニング (6,439)

【OpenAI、食われる？】DeepSeek-R1がすごすぎる！✨強化学習＋思考プロセス付きの推論力がすごいLLMが登場！OpenAIより90%も安いのに高性能😍料金体系や使い方まで徹底解説💖

葉加瀬あい (AI-Hakase)🎈動画&Note でAI解説🎥https://x.gd/F2Mvl
4週間前

OpenAI o1はどう作るのか（詳細編）

はち
5か月前

アメリカの医療システム＿患者目線

limonata
3週間前

AIで犯罪をシミュレート！？ 強化学習がひらく新たな犯罪予測モデルの可能性

マチノレポジトリ
1か月前

Back to Basics: Revisiting REINFORCE Style Optimization for Learning from Human Feedback in LLMs

Ikemen Mas Kot
9か月前

Gymで強化学習

澁谷直樹 @ キカベン
1か月前

Gymで強化学習㊽PPO:理論編

澁谷直樹 @ キカベン
1年前

Gymで強化学習㊼TRPO:理論編

澁谷直樹 @ キカベン
1年前

檜原ステージ前、調整週

Tomo TNK
1年前

言語AIの進化史㉑ChatGPT（人間のフィードバックによる強化学習）

澁谷直樹 @ キカベン
4週間前

A2C is a special case of PPO

Ikemen Mas Kot
9か月前

De novo drug design as GPT language modeling: large chemistry models with supervised and reinforcement learning

Ikemen Mas Kot
10か月前

Don't throw away your value model! Generating more preferable text with Value-Guided Monte-Carlo Tree Search decoding

Ikemen Mas Kot
10か月前

Gymで強化学習㊾PPO:実践編

澁谷直樹 @ キカベン
1年前

PPO カーネギーホール公演Send-off Concert

南国日記
8年前