发文章
发文工具
撰写
网文摘手
文档
视频
思维导图
随笔
相册
原创同步助手
其他工具
图片转文字
文件清理
AI助手
留言交流
“DeepSeek-V3 是怎么训练的｜深度拆解” 的更多相关文章
RLHF中的「RL」是必需的吗？有人用二进制交叉熵直接微调LLM，效果更好
浅读 DeepSeek-V2 技术报告
“StackLLaMA”: 用 RLHF 训练 LLaMA 的手把手教程
透彻！驯服大型语言模型（LLMs）的五种方法，及具体方法选择思路
LLMs之RLHF：《LLM对齐技术的全面综述：RLHF、RLAIF、PPO、DPO等—A Comprehensive Survey of LLM Alignment Techniques: RLHF
强化学习之旅，AI最热门的话题
用做学术的逻辑做投资研究
强化学习增强大语言模型技术全面综述：基础、流行、趋势、挑战
性能匹敌GPT
一文看尽LLM对齐技术：RLHF、RLAIF、PPO、DPO……
大模型隐蔽后门震惊马斯克：平时人畜无害，提到关键字瞬间破防
苹果大模型MM1杀入场：300亿参数、多模态、MoE架构，超半数作者是华人
ChatLM-0.2B：最小的中文大语言模型，消费级显卡也能推理！
专利大模型的实践与知识问答探索
