会员服务

精品内容

【CMU博士论文】交互式学习的进展：替代性反馈机制与自适应因果推理
【CMU博士论文】交互式学习的进展：替代性反馈机制与自适应因果推理
专知会员服务
17+阅读 · 2025年8月18日
面向视觉的强化学习综述
面向视觉的强化学习综述
专知会员服务
21+阅读 · 2025年8月12日
如何对齐？北大最新271页ICML2025教程《语言模型的对齐方法：一种机器学习视角》
如何对齐？北大最新271页ICML2025教程《语言模型的对齐方法：一种机器学习视角》
专知会员服务
47+阅读 · 2025年7月16日
【Nathan Lambert新书】从人类反馈中进行强化学习: 关于语言模型的RLHF及后训练阶段的简要介绍
【Nathan Lambert新书】从人类反馈中进行强化学习: 关于语言模型的RLHF及后训练阶段的简要介绍
专知会员服务
29+阅读 · 2025年4月7日
《直接偏好优化研究综述》
《直接偏好优化研究综述》
专知会员服务
31+阅读 · 2025年3月18日
【博士论文】朝向大规模语言模型的原则性训练与服务
【博士论文】朝向大规模语言模型的原则性训练与服务
专知会员服务
10+阅读 · 2025年2月10日
【教程】通过人类反馈的强化学习，77页ppt
【教程】通过人类反馈的强化学习，77页ppt
专知会员服务
38+阅读 · 2024年10月5日
大模型如何多模态偏好对齐？最新《基于人类反馈的语言、语音和视觉任务偏好优化》综述
大模型如何多模态偏好对齐？最新《基于人类反馈的语言、语音和视觉任务偏好优化》综述
专知会员服务
29+阅读 · 2024年9月22日
大型语言模型对齐技术综述：RLHF、RLAIF、PPO、DPO 等
大型语言模型对齐技术综述：RLHF、RLAIF、PPO、DPO 等
专知会员服务
55+阅读 · 2024年7月24日
直接偏好优化：一种新的RLHF方法，87页ppt
直接偏好优化：一种新的RLHF方法，87页ppt
专知会员服务
43+阅读 · 2024年6月10日
基于人工反馈的强化学习综述
基于人工反馈的强化学习综述
专知会员服务
65+阅读 · 2023年12月25日
ChatGPT大模型技术发展与应用
ChatGPT大模型技术发展与应用
专知会员服务
133+阅读 · 2023年12月3日
100页HuggingFace等《通过人类反馈的强化学习（RLHF）》教程讲解
100页HuggingFace等《通过人类反馈的强化学习（RLHF）》教程讲解
专知会员服务
87+阅读 · 2023年12月3日
如何对齐学习？伯克利博士论文《人本主义奖励设计》，119页pdf阐述大模型中对齐人类输入设计
如何对齐学习？伯克利博士论文《人本主义奖励设计》，119页pdf阐述大模型中对齐人类输入设计
专知会员服务
47+阅读 · 2023年11月20日
【ETHZ博士论文】基于人类反馈的安全高效强化学习算法基础， 258页pdf
【ETHZ博士论文】基于人类反馈的安全高效强化学习算法基础， 258页pdf
专知会员服务
51+阅读 · 2023年10月8日
参考链接
微信扫码咨询专知VIP会员
Top