Site Map
Every page on this site, in one list.
Pages
- Home — English中文
- Blog — English中文
- Publications — English中文
- Archive — English中文
- Search — English中文
- Site Map — English中文
Posts
- DPO 原理推导
- GRPO 的形式以及解决的问题
- Value Model 的几种训练方法
- Reward Model 存在的问题以及 Value Model 的作用
- 如何将 Reward Model 得到的标量奖励转化为策略梯度