强化学习视频教程链接

1.PPO(近端策略优化算法)教程

比较容易听懂，数学公式很多，讲的比较细，可以多看几遍。

原理：

零基础学习强化学习算法：ppo_哔哩哔哩_bilibili

训练：

代码实现大模型强化学习(PPO)，看这个视频就够了。_哔哩哔哩_bilibili

2.DPO(直接偏好优化)教程

DPO (Direct Preference Optimization) 算法讲解_哔哩哔哩_bilibili