關於KL懲罰，Frozen Model，Entropy，Advantage Function ，Value Function，Bradley-Terry 偏好模型
(Ken Cen出品)Generative AI第28部 LLM 對齊革命 - PPO X DPO 策略優化
InstructorKen CenDuration5h 18m
Students86
Rating5.0 (1)
InstructorKen Cen關於KL懲罰，Frozen Model，Entropy，Advantage Function ，Value Function，Bradley-Terry 偏好模型
InstructorKen Cen
