タグ #RLHF に関するスライド

slide-thumbnail

【大規模言語モデル入門Ⅱ】12章12.1
user-img 京都大学人工知能研究会KaiRA 267
slide-thumbnail

【DL輪読会】Understanding the performance gap between online and offline alignment algorithms
user-img Deep Learning JP 1.8K
slide-thumbnail

【DL輪読会】Alignment Algorithms for Diffusion Models
user-img Deep Learning JP 2.9K
slide-thumbnail

【大規模言語モデル入門】４章4.4~4.6
user-img 京都大学人工知能研究会KaiRA 2K
slide-thumbnail

【DL輪読会】Open Problems and Fundamental Limitations of Reinforcement Learning from Human Feedback
user-img Deep Learning JP 11K
#RLHF
#強化学習
#大規模言語モデル
#DPO