智谷星瀚 - 个人中心 - 腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

智谷星瀚

LV1

我关注的人

强化学习系列（十二）--GRPO，DAPO，DUPO，GSPO

在之前的强化学习系列中我们介绍了强化学习的基础知识，也在系列十和系列十一中介绍了强化学习RL在LLM中的应用。

languageX 2025-11-232025-11-23 15:41:19

人工智能、深度强化学习、腾讯技术创作特训营S16

强化学习公式大白话：从数学符号到真实世界的翻译指南

学习强化学习时，最让人头疼的莫过于那些看起来神秘莫测的数学公式。今天，我们就用最通俗的语言，为你揭开这些公式的面纱，看看它们到底在说什么。

智谷星瀚 2025-12-202025-12-20 16:37:52

数学、强化学习

RLHF三大挑战与突围之路：如何让大模型更懂人类偏好？

预训练（Pre-training）：利用数十亿到数万亿个token的庞大文本语料库对模型继续预训练，使模型能够根据提供的文本来预测「下一个单词」

智谷星瀚 2025-12-172025-12-17 15:29:30

强化学习、解决方案、模型、数据、优化

个人简介

暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
加入社区时间：2018-04-01

个人成就

获得 21 次赞同
文章被阅读 3.7K 次
文章获得 1 次首页推荐

关注了：1关注者：13