Inicio

Publicar

Agent RL 😊 Explicación detallada del código PPO

2245

0

2026-10-11 14:28:39

Opinión personal, solo como referencia.

Entrenamiento posterior

Grandes modelos

Aprendizaje por refuerzo

小鱼儿at青岛 Enviar mensaje

做活人感的视频

[Práctica] Ajuste fino del modelo grande de Tongyi Qianwen 1.8B para implementar la función de pronóstico del tiempo

43:43

Tongyi Qianwen - Generación de JSON con ajuste fino de modelo grande SFT

13:11

Tongyi Qianwen - Generación de JSON con ajuste fino SFT del modelo grande

31:03

Tongyi Qianwen - Razonamiento y Principios de vLLM de Grandes Modelos

01:26:55

Tongyi Qianwen - ¿Qué son las arquitecturas encoder-decoder y decoder-only del modelo de lenguaje grande?

20:45

Tongyi Qianwen - Construyendo un servicio de inferencia HTTP concurrente desde cero.

54:18

LangChain implementa la mejora de recuperación RAG

46:09

[Fundamentos de Ingeniería de Grandes Modelos] asyncio+uvicorn+fastapi+threadpool

18:50

Tongyi Qianwen - ¡Vamos a escribir un agente juntos!

29:48

Tongyi Qianwen - ¿Cómo crear una herramienta de PPT generada por IA?

24:33

Tongyi Qianwen - Principios de puntuación de modelos

40:05

【Multimodal】Reproduciendo el modelo CLIP de OpenAI

39:14

Las tecnologías importantes de Sora: reconstrucción del modelo ViT (Vision Transformer)

29:07

【Tecnología importante de Sora】Replicación del modelo DiT (Diffusion Transformer)

46:02

【Principio del modelo Mistral】Replicación de la arquitectura Mixture of Experts (MoE)

49:45

[Habilidad esencial de la IA] Marco de inferencia ONNX Runtime

35:05

【Flujo de trabajo de modelo grande】Prueba del proyecto de código abierto Dify.AI

27:54

[Análisis y práctica del proyecto Vanna] Generación de SQL con modelos grandes

55:31

[ChatGPT Escrito a mano - 1/3] Implementar BPE Tokenizer

01:01:34

[Escribiendo ChatGPT a mano - 2/3] Preparando los datos de entrenamiento de GPT (colección de poesía china)

35:16

[ChatGPT Escrito a Mano - 3/3] Modelo GPT & Entrenamiento & Inferencia

42:43

Experimento de aguja en el pajar de LLM

12:32

Interpretación de la implementación de GraphRAG [Parte 1 - Construcción de índices]

27:23

Interpretación de la implementación de GraphRAG [Parte inferior - Consulta]

20:38

【Tongyi Qianwen 2】Capítulo teórico del ajuste fino (pre-entrenamiento/sft/dpo)

14:37

【Tongyi Qianwen 2】Entrenamiento de ajuste fino SFT

44:58

【Tongyi Qianwen 2】Entrenamiento DPO de ajuste fino

46:03

Entender el entrenamiento distribuido de Pytorch DDP de una vez por todas

53:38

Padre de la IA, ganador del Premio Nobel de 2024 - Hinton [Artículo sobre personajes]

14:04

El padre de la IA, Hinton, Premio Nobel de 2024 -- [Artículo sobre el retro-propaganda]

47:55

Para la implementación de modelos grandes, debe comprender la base de datos vectorial Milvus.

27:11

[Implementación práctica] DeepSeek R1 Destilación para entrenar Qwen 3B

31:45

Conjeturas sobre el principio del modelo Qwen2.5 Omni

18:49

【Técnicas de entrenamiento de Pytorch】Entrenamiento automático de precisión mixta AMP

34:34

[Trucos de entrenamiento de Pytorch] Punto de control de activación (Activation Checkpoint)

17:29

[Técnicas de entrenamiento Pytorch] Acumulación de gradientes

22:14

¡Ajuste todas las superpotencias, y admire la gran "red neuronal profunda"!

28:02

【Replicación】Modelos de difusión Flow Matching

27:42

【Reimplementación】Principios e implementación del modelo VAE

27:54

Recreación: reconocimiento de voz con transformador

41:19

Arquitectura del modelo ASR ~ de seq2seq a CTC

59:45

¡DEMO interesante! Voz en tiempo real a texto ~ Silero VAD + SenseVoice

12:11

【01】VLM Gran modelo visual ~ Principio de funcionamiento

20:05

【01】Modelo Visual Grande VLM ~ Capítulo de Interpretación del Código Fuente

22:02

【03】Modelo visual grande VLM~Conocimiento adicional

19:15

¿Inflación de sugerencias de MCP? Hoy hablamos de RAG+MCP

32:49

【Aprendizaje por refuerzo PPO】Empezando por el algoritmo 'Actor-Critic', el predecesor de PPO

43:59

[Aprendizaje por refuerzo PPO] Te mostraré los principios de entrenamiento de PPO.

46:24

[Aprendizaje por refuerzo PPO] Análisis del código fuente de TRL PPO

01:02:54

Aprendizaje por refuerzo PPO - ¡Te enseño paso a paso cómo entrenar tu modelo!

46:25

¿Cómo implementar un tokenizador para imágenes y audio? Entra y te enseñaré.

40:07

Cuantificación de imágenes VQ-VAE - Práctica de clasificación de dígitos escritos a mano

25:31

【Reproducción】Desde CosyVoice hasta la cuantificación FSQ

30:55

【Reproducción】Aplicación de la "interpolación lineal" en CosyVoice

27:29

【Práctica】Marco de desarrollo de agentes inteligentes de Alibaba Agentscope

44:10

[Sistema de recomendación generativo] Interpretación del proyecto de código abierto MiniOneRec

33:24

【Sistema de recomendación generativo】Interpretando MiniOneRec (01) Cuantificación de productos RQ-VAE

40:18

【Sistema de recomendación generativo】Interpretación de MiniOneRec (02) Predicción de productos de entrenamiento Qwen SFT

18:42

[Sistema de recomendación generativa] MiniOneRec (03) - Ordenación de recomendaciones de productos GRPO RL

41:47

【Gran modelo visual】¿Cómo identificar diferentes objetos de la misma especie? (Parte 1)

21:54

【Modelo visual grande】¿Cómo identificar diferentes objetos de la misma especie? (Parte media)

46:35

【Grandes Modelos Visuales】¿Cómo identificar diferentes objetos de la misma especie? (Parte 2)

44:30

【Entrenamiento paralelo de datos】Explicación detallada de deepspeed zero0~zero3

51:17

[Retropropagación] Explicación Detallada

37:16

[Diagrama] Entendiendo la inferencia de cuantificación INT8 de una vez (Parte 1) | W8A8 vs W8A16

35:37

【Tutorial gráfico】Comprende la inferencia de cuantificación INT8 de una vez (Parte 2) | Cuantificación de activación suave

53:00

【Charla superficial sobre Coding Agent RL】Fuentes de datos, recopilación de trayectorias, función de recompensa~

43:58

¡[Principio y Realización] Entiende las redes generativas adversarias (GAN) en segundos! Generación de rostros con IA~

23:22

【Tutorial de despliegue】¡PC personal ejecuta Qwen3.8-27B! ¡La salida de tokens es realmente rápida!

15:05

【Tutorial de Ray para principiantes】Uso básico + entrenamiento distribuido práctico | Basado en Alibaba Cloud EMR Serverless Ray

55:13

【01. Resumen】 Xiaomi Mimo Agent-RL

23:24

[02. Ejecución de agente y recompensa] Xiaomi Mimo Agent-RL

31:27

【03.verl de extremo a extremo】 Xiaomi Mimo Agent-RL

42:21

Agent RL 😊 Explicación detallada del código PPO

57:20

【Ray Avanzado (Parte 1)】Introducción a los frameworks Ray Data y Ray Daft | Basado en Alibaba Cloud EMR Serverless Ray

23:27

【Ray Avanzado (Parte 2)】Práctica de los frameworks Ray Data y Ray Daft | Basado en Alibaba Cloud EMR Serverless Ray

39:26

[Análisis de código fuente] Aprendizaje por refuerzo agéntico de veRL

01:10:30

Arriba