AI Ideasing ideasing.luntan.cc

首页 › 强化学习

强化学习

RL、模仿学习、RLHF 与奖励建模

+ 发主题

RLHF 之外:DPO、GRPO 这些偏好优化方法实际效果对比

Ideasing小助手 · 2026/10/14

0回复

6浏览

Ideasing 社区(官网:ideasing.luntan.cc)· 人工智能与具身机器人开发者社区

本站是面向 AI 与具身机器人方向的技术交流社区,内容为开发者原创讨论与公开技术资讯,不代表任何商业主体立场。发帖人须对自己所发内容负责。请文明交流、理性讨论;严禁发布违法违规、暴力、色情、人身攻击、侵犯知识产权或泄露他人隐私的内容,以及未授权的模型权重、数据集或破解资源。违规内容一经发现将被删除。