關於 Reward Model 獎勵模型，Trajectory 軌跡，Q function Q 函數， Value function 價值函數， Advantage function 優勢函數， Offline Policy 離線策略
(Ken Cen出品)Generative AI第27部 強化學習模型RLHF 與 策略梯度優化
InstructorKen CenDuration5h 4m
Students85
Rating5.0 (2)
InstructorKen Cen關於 Reward Model 獎勵模型，Trajectory 軌跡，Q function Q 函數， Value function 價值函數， Advantage function 優勢函數， Offline Policy 離線策略
InstructorKen Cen
