首页
›
实战100例
›
014-LoRA大模型微调实战
›
《PPO与RLHF大模型对齐训练实战100例》
VIP8
本课程属于：014-LoRA大模型微调实战
实战100例 · 共 8 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
《PPO与RLHF大模型对齐训练实战100例》
共 100 例
01
PPO算法核心组件实现
02
PPO损失函数计算
03
广义优势估计(GAE)实现
04
PPO策略更新循环
05
PPO在简单环境中的训练
06
PPO超参数调优实验
07
PPO与A2C性能对比
08
PPO与TRPO性能对比
09
PPO在连续动作空间的应用
10
PPO训练中的奖励归一化
11
PPO训练中的状态归一化
12
PPO训练中的梯度裁剪
13
PPO训练中的学习率调度
14
PPO训练中的熵正则化
15
PPO训练中的价值函数裁剪
16
PPO训练中的mini-batch大小影响
17
PPO训练中的epoch数影响
18
PPO训练中的GAE lambda敏感性
19
PPO训练中的裁剪系数敏感性
20
PPO训练中的优势归一化
21
PPO训练中的策略熵系数调整
22
PPO训练中的价值损失系数调整
23
PPO训练中的经验回放
24
PPO训练中的并行环境采样
25
PPO训练中的奖励塑造
26
PPO训练中的课程学习
27
PPO训练中的行为克隆预训练
28
PPO训练中的策略初始化
29
PPO训练中的网络结构选择
30
PPO训练中的激活函数选择
31
PPO训练中的优化器选择
32
PPO训练中的权重衰减
33
PPO训练中的早停策略
34
PPO训练中的模型保存与加载
35
PPO训练中的日志记录与可视化
36
PPO训练中的随机种子设置
37
PPO训练中的环境交互接口设计
38
PPO训练中的向量化环境
39
PPO训练中的帧堆叠
40
PPO训练中的图像预处理
41
PPO训练中的卷积网络策略
42
PPO训练中的RNN策略
43
PPO训练中的注意力机制
44
PPO训练中的多模态输入
45
PPO训练中的动作掩码
46
PPO训练中的离散动作空间
47
PPO训练中的混合动作空间
48
PPO训练中的多智能体协同
49
PPO训练中的竞争环境
50
PPO训练中的稀疏奖励
51
PPO训练中的内在奖励
52
PPO训练中的HER
53
PPO训练中的分层强化学习
54
PPO训练中的选项学习
55
PPO训练中的模仿学习
56
PPO训练中的逆强化学习
57
PPO训练中的元学习
58
PPO训练中的迁移学习
59
PPO训练中的多任务学习
60
PPO训练中的领域随机化
61
PPO训练中的对抗攻击
62
PPO训练中的防御策略
63
PPO训练中的安全约束
64
PPO训练中的约束优化
65
PPO训练中的多目标优化
66
PPO训练中的奖励不确定性
67
PPO训练中的部分可观测性
68
PPO训练中的非平稳环境
69
PPO训练中的连续控制任务
70
PPO训练中的机器人操作任务
71
PPO训练中的自动驾驶模拟
72
PPO训练中的游戏AI
73
PPO训练中的推荐系统
74
PPO训练中的对话系统
75
PPO训练中的文本生成
76
PPO训练中的机器翻译
77
PPO训练中的摘要生成
78
PPO训练中的问答系统
79
PPO训练中的代码生成
80
PPO训练中的图像描述
81
PPO训练中的语音合成
82
PPO训练中的音乐生成
83
PPO训练中的强化学习与语言模型结合
84
RLHF中的奖励模型训练
85
RLHF中的偏好数据收集
86
RLHF中的奖励模型评估
87
RLHF中的PPO微调语言模型
88
RLHF中的KL散度约束
89
RLHF中的参考模型使用
90
RLHF中的PPO超参数调优
91
RLHF中的奖励归一化
92
RLHF中的优势估计
93
RLHF中的策略初始化
94
RLHF中的价值网络设计
95
RLHF中的经验回放
96
RLHF中的批量采样策略
97
RLHF中的多轮对话微调
98
RLHF中的安全性微调
99
RLHF中的事实性微调
100
RLHF中的多样性控制
所属VIP或分类
同VIP：LLaMA-Factory大模型微调实战100例
同VIP：LoRAQLoRA大模型微调实战100例
同VIP：LoRaWAN网络搭建与应用开发实战100例