RLFH短期课程笔记

最新推荐文章于 2024-10-08 11:32:26 发布
最新推荐文章于 2024-10-08 11:32:26 发布
阅读量354 收藏 5
点赞数 5
文章标签： 笔记 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_73995396/article/details/140777420
版权

在学习LLama2的过程中遇到了RLHF方法，介于强化学习内容过多，所以只对RLFH进行系统学习，作如下笔记。

课程笔记

  1. 强化学习的模型和我们的base模型不是同一个，强化学习的模型可以说是一个回归模型——对输入的决策评估优劣，我们用强化学习的输出来更新base模型的参数
  2. RLFH需要两个数据集，偏好数据集和提示数据集。强化学习的模型在偏好数据集上学习，接受 { p r o m p t , w i n C a n d i d a t e , l o s e C a n d i d a t e } \{prompt,winCandidate,loseCandidate\} { prompt,winCandi
最低0.47元/天 解锁文章
the Tarnished
关注
网络信息安全课程笔记整理（一）
wenbuer_的博客
09-04 6万+
网络信息安全 第一章 1.1 网络安全的概念 1.2 主要的网络安全威胁 1.3 TCP/IP协议簇的安全问题 1.4 OSI安全体系结构 1.5 网络安全服务及其实现层次 1.6 TCP/IP协议簇的安全架构 1.7 PPDR安全模型 1.8 可信计算机系统评价准则TCSEC 1.9 ...
吴恩达课程及视频笔记汇总
成长Bar的博客专栏
04-25 3578
第一课第一周 深度学习概论1.2 什么是神经网络？ 课程 笔记1.3 用神经网络进行监督学习 课程 笔记1.4 为什么深度学习会兴起？ 课程 笔记第二周 神经网络基础2.1 二分分类 课程 笔记2.2 logistic 回归 课程 笔记2.3 logistic 回归损失函数 课程 笔记2.4 梯度下降法 课程 笔记2.5 导数 ...
算法课程笔记——线段树维护矩阵
2302_79123319的博客
06-13 1115
算法课程笔记——线段树维护矩阵。
翁恺老师c语言课程笔记
xujhcf的博客
03-27 4110
因为本身就是自己自学时零碎记录的觉得自己容易遗忘的部分，所以可能显得有些杂乱，发出来和大家一起分享，也记录一下自己自学路的开端。 第二章： 1.当赋值发生在变量定义的时候称为初始化。 2.有运算符的式子叫做表达式。 3.会变的是变量，不会变的是常量。 4.const int change=100 ,int前加const，表示这个变量不能被修改。 5.两个整数的运算结果只能是整数，要用浮点数（10.0）。 6.double（双精度浮点数），float（单精度浮点数），表示浮点数。输入时sca
千锋教育网络安全课程笔记
weixin_50998641的博客
07-30 2438
网络安全课程笔记 1.虚拟环境部署 1.1 虚拟机的运行架构 寄居架构（适合用于学习） （这里的硬件就是我们的笔记本电脑） 虚拟机跟真实机是互相独立的，一些危险的程序放到虚拟机里面运行是不会影响到真实机的。 虚拟机也会占据电脑的内存。 寄居架构中，虚拟系统的运行是寄居在真实机上的。也就是说，如果真实机出现故障，以上图为例，宿主的Win7打不开，那么虚拟机自然也运行不了。 原生架构（一般用于公司的生产环境） 该架构不再依赖于个人操作系统，因为在公司的生产中害怕出现像寄居架构中如果个人操作系统出
2105 课程笔记
雨田说码
09-14 5967
第一部分: 微服务架构最佳实践 https://blog.csdn.net/maitian_2008/category_11190676.html 第二部分:Docker技术最佳事件 https://blog.csdn.net/maitian_2008/category_11285781.html?spm=1001.2014.3001.5482 第三部分:Redis技术最佳实践 https://blog.csdn.net/maitian_2008/category_11166577.html?spm=100
CS231n 课程笔记翻译
u011482783的专栏
11-15 1904
【本文转载自智能单元 - 知乎专栏 https://zhuanlan.zhihu.com/intelligentunit，仅用于学习目的，如有侵权，请联系741258749@qq.com删除】
数据结构——学习笔记——入门必看【建议收藏】
热门推荐
刘鑫磊
02-09 43万+
（2）静态查找表&动态查找表的区别用法【顺序查找-线性查找-折半查找-二分查找-有序表查找-插值查找-斐波那契查找-索引顺序表查找-分块查找】单独使用顺序存储结构（即数组）无法很好地实现树的存储概念，不过如果充分利用顺序存储和链式存储结构的特点，则完全可以实现对数的存储结构的表示。深度为 2，则至多只有 3 个结点：根结点，根结点的左子树，根结点的右子树···指的是这样一个数列：1、1、2、3、5、8、13、21、……（3）四中常见的多路查找树【2-3 树$2-3-4 树$B 树$B+ 树】的区别用法。
离线笔记软件
9527的专栏
11-08 2459
离线笔记同步实战
Games101 课程笔记汇总（更新中）
佳潇翔
06-13 2157
Games101 课程笔记笔记Rasterization 光栅化Curves and Meshes 曲线和曲面Ray Tracing 光线追踪Animation / Simulation 动画与模拟课程大纲Lecture 1: Overview of Computer GraphicsLecture 2: Review of Linear AlgebraLecture 3: TransformationLecture 4: Transformation Cont.Lecture 5: Rasterizati
狂神笔记，b站狂神说课程笔记大全
09-19
b站狂神说课程笔记大全，每个部分都有
吴恩达深度学习课程笔记，人工智能入门经典必读
01-30
吴恩达深度学习课程笔记是人工智能领域的经典必读 资源，涵盖深度学习的基础知识、卷积神经网络、递归神经网络、长短期记忆、Adam、Dropout、BatchNorm、Xavier/He initialization 等深度学习技术。该课程专为已有...
斯坦福cs231n课程笔记pdf版本，包括note，assignment
07-29
《斯坦福cs231n课程笔记》是深度学习领域极具权威的学习资源，主要涵盖了计算机视觉（Computer Vision）的基础知识和最新技术。该课程由斯坦福大学教授Andrew Ng及其团队讲授，旨在帮助学生理解并掌握图像识别、物体...
【CS231n】斯坦福大学李飞飞视觉识别课程笔记
种树最好的时间是10年前，其次是现在！！！
04-06 1万+
最近开了一个新坑——【CS231n】斯坦福大学李飞飞视觉识别课程，准备认真学习并记录自己的学习历程。 由官方授权的CS231n课程笔记翻译知乎专栏——智能单元，比较详细地翻译了课程笔记，我这里就是参考和总结。 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（一）：Python Numpy教程(1) 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（二）：Python Numpy教程(2)...
C++学习笔记----8、掌握类与对象（四）---- 不同类型的数据成员（1）
weixin_71738303的博客
10-05 945
c++对于数据成员给了你许多选项。除了在类中声明简单的数据成员，可以生成静态数据成员供所有类的对象共享，const成员，引用成员，reference-to-const成员，等等。本节我们解释一下这些不同类型的数据成员的细节。
（笔记）第三期书生·浦语大模型实战营（十一卷王场）–书生基础岛第5关---XTuner 微调个人小助手认知
haidizym的博客
10-06 439
学员闯关手册：https://aicarrier.feishu.cn/wiki/ZcgkwqteZi9s4ZkYr0Gcayg1n1g?课程视频：https://www.bilibili.com/video/BV1tz421B72y/课程文档：关卡作业：https://github.com/InternLM/Tutorial/blob/camp3/docs/L1/XTuner/task.md开发机平台：https://studio.intern-ai.org.cn/
gligen安装部署笔记
最新发布
jacke121的专栏
10-08 206
gligen安装部署笔记
强化学习笔记之【DDPG算法】
rvdgdsva的博客
10-06 849
强化学习第2篇.强化学习方向的学习者可以参考或者复刻
达内Java全课程精华笔记
"达内教育提供的全面Java课程笔记，覆盖了Java语言的基础到核心概念，包括注释、变量、数据类型、运算符、控制结构、数组、面向对象、构造器、继承、访问控制修饰符、JavaBean、静态关键字、final、抽象类、接口、...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值