which of the following is a transition model? CalciumNickel... | Filo
which of the following is a transition model? CalciumNickel... | Filo
已浏览 5720 次4 个月之前
askfilo.com
大模型微调不 “失忆” 的秘密：RL 为何比 SFT 更懂 “守旧”？MIT新发现：强化学习微调，为何比监督学习更“记”得好？
3:10
大模型微调不 “失忆” 的秘密：RL 为何比 SFT 更懂 “守旧”？MIT新发现…
已浏览 990 次1 个月前
bilibili卢菁博士_北大AI博士后
企业级 RL 优化指南：同步 vs 异步管线、模型滞后与算法系统建模
9:47
企业级 RL 优化指南：同步 vs 异步管线、模型滞后与算法系统建模
已浏览 6 次2 个月之前
bilibili每日AI创业知识分享
RL Agent LLM，AI决策迎来新突破
0:49
RL Agent LLM，AI决策迎来新突破
已浏览 89 次1 个月前
bilibili大模型八戒
RL00-Reinforced Learning (RL) 强化学习系列介绍
45:03
RL00-Reinforced Learning (RL) 强化学习系列介绍
已浏览 859 次2 个月之前
bilibili山哥学AI
RL Transformer杀疯了！新架构刷爆SOTA，CTSAC高效涨点狂揽 ICRA 2025！
RL Transformer杀疯了！新架构刷爆SOTA，CTSAC高效涨点狂揽 ICRA …
已浏览 507 次10 个月之前
bilibili深度学习呀
【RLChina论文研讨会】第6期 李文哲 Offline RL with Reverse Model-based Imagination
19:47
【RLChina论文研讨会】第6期 李文哲 Offline RL with Reverse Model-bas…
已浏览 972 次2021年12月30日
bilibiliRLChina强化学习社区
22:54
解锁RL革命：OpenRL，PyTorch驱动的开源强化学习终极框架！
已浏览 1151 次4 个月之前
bilibiliswanmsg
14:18
重点论文解读：RLM递归语言模型：通过在一个REPL环境中递归调用从 …
已浏览 170 次2 个月之前
YouTubeAi人日记
5:38
RL - 大语言模型的进阶之路
已浏览 226 次5 个月之前
bilibili星空行者-2046
14:59
#11评估问题Evaluation 【RL强化学习】两种算法解决一条新高速路
已浏览 999 次2022年5月1日
zhihu.com一起学AI
4:31
RL Transformer之Decision Transformer
已浏览 5660 次2021年7月14日
zhihu.com鱼子酱
11:16
21.实验：RL agent→environment交互接口
已浏览 241 次2023年8月3日
bilibili大勇任卷舒
1:04:43
宏观经济分析——拉姆齐模型与世纪交叠模型（RCKmodel&OLGmodel）
已浏览 1724 次4 个月之前
bilibili朱投山oNv
24:13
[Agentic RL] 07 limits of RLVR，base vs. RL, pass@k, ppl …
已浏览 2776 次3 个月之前
bilibili五道口纳什
0:56
谷歌大佬新作 RL从入门到前沿
已浏览 264 次5 个月之前
bilibiliAI梨大谱
16:24
[Agentic RL] 10 分布的视角理解 LLM 的 SFT 训练和 RL 训练，Forward…
已浏览 5855 次2 个月之前
bilibili五道口纳什
47:24
推理模型即学即用的RL方法
已浏览 1464 次10 个月之前
bilibiliNICE学术
0:55
Agent RL新框架 显著提升LLM多轮决策能力
已浏览 564 次8 个月之前
bilibili我不是AI科研的内鬼啊
4:20
强化学习算法工程师的年度总结：RL 训练中的 Rollout、异步与框架设计
已浏览 3485 次2 个月之前
bilibiliyang_xi_111
17:06
3.6.2 RL电路的零状态响应和全响应
已浏览 4万 次2021年10月14日
bilibili随风_无声
0:38
RL 算法大突破！多智能体协作性能飞升
已浏览 218 次10 个月之前
bilibiliAI因斯坦玩转AI
1:24:44
CS885 Lecture 9: Model-based RL
已浏览 9110 次2018年6月5日
YouTubePascal Poupart
0:43
RL、Agent与LLM三者强强联合，AI决策实现重大飞跃。
已浏览 202 次3 个月之前
bilibili大模型八戒
17:21
[RL insights] 推导和理解 Policy Gradient 算法，PG vs. MLE/SFT， …
已浏览 4058 次8 个月之前
bilibili五道口纳什
18:53
Real World Robotics Tutorial6：通过RL提高鲁棒控制器
已浏览 606 次2024年2月24日
bilibili竹言见智
1:10:45
【RG 25 Fall】[Alibaba] 工业级LLM-RL系统是如何炼成的？ROLL架构深 …
已浏览 987 次3 个月之前
bilibiliUSTC-NHPCC
17:31
《电磁学》5.11暂态过程之RL电路
已浏览 661 次2024年4月3日
bilibili中山大学物理王伟良
42:55
强化学习纲要 第七课 基于环境模型的RL方法
已浏览 9672 次2020年5月3日
bilibili周博磊
2:26:59
【RLChina 2020】第4讲 Model-based Reinforcement Learning
已浏览 5518 次2020年7月31日
bilibiliRLChina强化学习社区
观看更多视频
静态缩略图占位符