Page 3 - Showing 15 of 126 posts
View all posts by years →
- Paper Reading: Unify MLLM
浅浅尝试读一下Unify MLLM。
6 min read - 周记 Week43
2025-04-21 ~ 2025-04-27.
4 min read - 周记 Week42
2025-04-14 ~ 2025-04-20.
4 min read - RL 学习笔记(14):基于人类反馈的强化学习 (RLHF)
基于人类反馈的强化学习 (RLHF)
10 min read - 周记 Week41
2025-04-07 ~ 2025-04-13.
4 min read - RL 学习笔记(13):近端策略优化 (PPO)
近端策略优化 (PPO)
10 min read - RL 学习笔记(12):置信域策略优化
置信域策略优化
11 min read - RL 学习笔记(11):Actor-Critic 方法
Actor-Critic 方法
11 min read - RL 学习笔记(10):策略梯度方法
策略梯度方法
12 min read - RL 学习笔记(9):集成规划与学习
集成规划与学习
12 min read - RL 学习笔记(8):n 步自举法
n 步自举法
12 min read - RL 学习笔记(7):Q 学习、DQN 及相关改进
Q 学习
17 min read - RL 学习笔记(6):时序差分学习
时序差分学习
13 min read - RL 学习笔记(5):蒙特卡洛方法
蒙特卡洛方法
21 min read - RL 学习笔记(4):动态规划
动态规划
19 min read