AIFrontiers

本报告将深度解构分析TRL、OpenRLHF、verl、LLaMA Factory四大主流开源LLM-RL训练框架，及 DeepSpeed等重要生态组件，围绕架构设计、关键...

先解释一些基本概念，涵盖强化学习理解、价值函数、NLP中的强化学习。 随后，介绍RLHF的起源、设计思路、如何与大模型RLHF算法关联的。再对LLM-RL主流的（PPO、D...

原文：https://mp.weixin.qq.com/s/ihKJVqs3TWXVQcqnsjZ9Og 选不对 LLM，业务落地全是坑！面对五花八门的大模型，你是否还在纠...

原文: https://mp.weixin.qq.com/s/VV29xpdOMEkbz4iXmD_szg 在上一篇 RAG评测完整指南：指标、测试和最佳实践 中，我们对R...

原文: https://mp.weixin.qq.com/s/8O7W8--x14-b1d3M9IS_3w LLM-RL往期文章推荐 小白也能看懂的RL-PPO 收藏！强化...

RAG框架是一个复杂的工作流，包括分块、搜索、上下文拼接和内容生成等步骤，一旦系统最终响应的内容不符合预期，对于问题的定位会非常复杂，是模型出现了幻觉？还是从一开始就没有获...

The Smol Training Playbook: The Secrets to Building World-Class LLMs 由 Hugging Face 团队...

原文: https://mp.weixin.qq.com/s/TQQBL1dUdxO7A9AzbmwS-A 谷歌重磅出品！揭秘21种Agentic设计模式，AI从业者必备 ...

原文: https://mp.weixin.qq.com/s/vYf4ch4RY7milQAO1ohXMw 《The Smol Training Playbook: The...

原文: https://mp.weixin.qq.com/s/4_6CBXMJhqmiYKSzsAXncg 人类反馈强化学习（Reinforcement Learning ...