共计 23 篇文章

---

2025

04-19

RLHF(三)：基于TRL的GrpoTrainer详解

04-18

RLHF(二)：偏好数据采集

04-17

RLHF(一)：LLM post-training

04-14

2025.03论文阅读

03-25

Syncthing安装

03-15

强化学习系列（五）：Policy Gradient

03-14

强化学习系列（四）：DQN算法

03-12

强化学习系列（三）：Model-Free Control

03-11

Lora Adapter调试跟踪

03-08

强化学习系列（二）：Model-free Prediction