發(fā)文章
發(fā)文工具
撰寫
網(wǎng)文摘手
文檔
視頻
思維導(dǎo)圖
隨筆
相冊
原創(chuàng)同步助手
其他工具
圖片轉(zhuǎn)文字
文件清理
AI助手
留言交流
“DeepSeek-V3 是怎么訓(xùn)練的｜深度拆解” 的更多相關(guān)文章
RLHF中的「RL」是必需的嗎？有人用二進(jìn)制交叉熵直接微調(diào)LLM，效果更好
淺讀 DeepSeek-V2 技術(shù)報(bào)告
“StackLLaMA”: 用 RLHF 訓(xùn)練 LLaMA 的手把手教程
透徹！馴服大型語言模型（LLMs）的五種方法，及具體方法選擇思路
LLMs之RLHF：《LLM對齊技術(shù)的全面綜述：RLHF、RLAIF、PPO、DPO等—A Comprehensive Survey of LLM Alignment Techniques: RLHF
強(qiáng)化學(xué)習(xí)之旅，AI最熱門的話題
用做學(xué)術(shù)的邏輯做投資研究
強(qiáng)化學(xué)習(xí)增強(qiáng)大語言模型技術(shù)全面綜述：基礎(chǔ)、流行、趨勢、挑戰(zhàn)
性能匹敵GPT
一文看盡LLM對齊技術(shù)：RLHF、RLAIF、PPO、DPO……
大模型隱蔽后門震驚馬斯克：平時(shí)人畜無害，提到關(guān)鍵字瞬間破防
蘋果大模型MM1殺入場：300億參數(shù)、多模態(tài)、MoE架構(gòu)，超半數(shù)作者是華人
ChatLM-0.2B：最小的中文大語言模型，消費(fèi)級顯卡也能推理！
專利大模型的實(shí)踐與知識(shí)問答探索
