AI
2篇文章 · 0订阅
  • 机器学习|从0开发大模型之DeepSeek的GRPO
    最近，DeepSeek-R1的发布为国产大模型争光了（太强了），不过 GRPO 算法源自 DeepSeekMath 7B 模型，该模型在 MATH 基准测试中取得了优异成绩...
    后端 人工智能 DeepSeek
  • 详解基于人类反馈的强化学习 (RLHF)算法原理
    InstructGPT：让人工智能更听话的技术 InstructGPT 是一种训练大型语言模型（就像 GPT-3）的技术，让它们更好地理解人类的指令，并给出更符合我们期望的回答。这种技术的核心是基于人
    算法 架构 人工智能