網站 · 科技
RLHF 中文版互動書：把後訓練的黑盒子拆成可以玩的教材
Twinkle AI Community 將 Nathan Lambert 的《Reinforcement Learning from Human Feedback》翻成繁體中文互動版，整理 RLHF、指令微調、獎勵模型、PPO／GRPO、DPO、拒絕採樣、推理模型、評估與模型性格等後訓練主題，並在每章附上互動實驗。
分類架
Tag
後訓練
共 1 則
排版中
Tag
網站 · 科技
Twinkle AI Community 將 Nathan Lambert 的《Reinforcement Learning from Human Feedback》翻成繁體中文互動版，整理 RLHF、指令微調、獎勵模型、PPO／GRPO、DPO、拒絕採樣、推理模型、評估與模型性格等後訓練主題，並在每章附上互動實驗。