(Ken Cen出品)Generative AI第27部 強化學習模型RLHF 與 策略梯度優化
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
5.00 (1 reviews)
40
students
5 hours
content
Jun 2025
last update
$54.99
regular price
What you will learn
深入解析強化學習（Reinforcement Learning, RL）算法
深入解析如何構建獎勵模型
深入解析計算軌跡（Trajectories）及其在RL中的作用
深入解析Off-Policy Learning 離線策略學習 和 Importance Sampling 重要性採樣
Loading charts...
6596737
udemy ID
03/05/2025
course created date
14/06/2025
course indexed date
Bot
course submited by