豆豆酱

Expression Evaluation 数据流单调栈四则运算 LintCode 367,368 题目： Given an expression string array...

https://arxiv.org/abs/2012.07436 稀疏注意力机制(ProbSparse Self-attention) Efficient Self-atte...

https://arxiv.org/pdf/1706.03762 基于 Transformer 的编码器和解码器结构如图所示，左侧和右侧分别对应着编码器（Encoder）和...

在时间序列预测领域，将时序分解成趋势和周期等成分是非常经典的分析方法。来自Facebook的开源时序模型Prophet在传统的基于趋势和周期成分分解的基础上更进一步，衍生出...

Rejection Sampling 拒绝采样 (Rejection Sampling, RS) 是一种流行且简单的方法，用于执行偏好微调。拒绝采样通过策划新的candid...

马尔可夫链蒙特卡洛（MCMC） Metropolis-Hastings (MH) Metropolis-Hastings (MH) 算法是一种用于从复杂的概率分布中生成样本...

语言模型评估 BLEU（Bilingual Evaluation Understudy）和ROUGE（Recall-Oriented Understudy for Gist...

就是把 DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning...

论文地址：https://arxiv.org/abs/1503.02531 Introduction 在文章开头作者举了一个非常形象的例子说明知识蒸馏的重要性。在自然界中，...

【初阶】 【入门】吴恩达Prompt公开课 【视频教程（英文版）】https://www.bilibili.com/video/BV1GYzCYmEYb 【视频教程（中文版...

Lecture 14 Monte Carlo Tree Search Simulation-Based Search 仅针对当前状态计算动作 到目前为止，课堂上计算的是整个...

Lecture 11 Fast Reinforcement Learning 设置、框架与方法 接下来将会考虑两种设置、多种框架和方法。 设置：赌博机问题（单次决策）、马尔...

Lecture 8 Human Feedback and Reinforcement Learning from Human Preferences Pairwise Co...

Lecture 5 Policy Gradient I 1. Policy Optimization Value-based RL 学习的是 near-determinis...