Group Relative Policy Optimization (GRPO) Explained – Formula and PyTorch Implementation
24:21
Group Relative Policy Optimization (GRPO) Explained – Formula and …
4 个月之前
MSNDeep Learning with Yacine
Policy Optimization as Predictable Online Learning Problems: Imitation Learning and Beyond
Policy Optimization as Predictable Online Learning Problems: Imitati…
2018年10月31日
Microsoft
大模型进化论15：强化学习PPO | OpenAI 的天才设计 | 大模型强化学习的核心引擎
12:36
大模型进化论15：强化学习PPO | OpenAI 的天才设计 | 大模型强化学 …
已浏览 1634 次1 周前
bilibili畅想EidolaAI
PPO Implementation from Scratch Reinforcement Learning
21:24
PPO Implementation from Scratch Reinforcement Learning
已浏览 16 次1 个月前
bilibili时光静寂流逝
Rethinking Trust Region in LLM Reinforcement Learning PPO Limitations and DPPO for Stable FineTuning
7:18
Rethinking Trust Region in LLM Reinforcement Learning PPO Limi…
1 个月前
YouTubeCosmoX
MDPs and Reinforcement Learning for LLM Agents
2:18
MDPs and Reinforcement Learning for LLM Agents
已浏览 5 次1 个月前
YouTubeBlackBoard AI
AI Learns to Climb
0:42
AI Learns to Climb
已浏览 908 次3 周前
YouTubeArtful AI
0:10
I Will Be Replace ChatGPT From Now On
已浏览 1819 次3 个月之前
YouTubeYasu Ghostsu
8:31
Proximal Policy Optimization in Reinforcement Learning Simplified
已浏览 22 次1 周前
YouTubeRITEC
4:47
Turn-PPO: LLM 에이전트 멀티턴 강화학습 최적화 및 GRPO 비교 분석
已浏览 2 次3 个月之前
YouTubeCosmoX
0:56
Rithmic's AI: Advanced Machine Learning Algorithms Explained #s…
已浏览 192 次2 个月之前
YouTubequantlabs
25:35
Teaching LLMs with RL: From Scratch to GRPO and Beyond
已浏览 152 次1 个月前
YouTubeMachine & Deep Learning Israel
35:17
#304 DeepSeekMath and RL for LLMs
已浏览 181 次1 个月前
YouTubeData Science Gems
10:33
I Trained an AI to Beat Mario
已浏览 426 次2 周前
YouTubeLollorm
13:28
I built an advanced PPO AI from scratch in Roblox (they said it wa…
已浏览 26 次1 个月前
YouTubeRed-Max
4:05
Autonomous Navigation: Training a Self-Driving Agent via Reinforcem…
2 周前
YouTubeHarshitha Teki
3:38
바이브 코딩으로 개발한 윷놀이 게임
已浏览 18 次3 周前
YouTubekroguette
0:35
AI Learns to Skip the Line
已浏览 2322 次3 周前
YouTubeArtful AI
0:34
PPO Algorithm Explained 🤖 | Proximal Policy Optimization in Reinforcem…
已浏览 2 次1 周前
YouTubeQybrenthak AI Pvt. Ltd.
1:04
AI Learn to Dodge Asteroids
已浏览 1184 次2 个月之前
YouTubeManiCo Labs
Proximal Policy Optimization (PPO) with Contra
已浏览 6379 次2021年2月21日
YouTubeViệt Nguyễn AI
7:50
近端策略优化算法 PPO（Proximal Policy Optimization Algorithms）
已浏览 274 次4 个月之前
bilibili小迪学AI
2:12:49
北京航空航天大学张慧铭副教授：从老虎机到强化学习再到Deepseek-r1 …
已浏览 8.1万 次5 个月之前
bilibili狗熊会
33:53
【PPO】【已完结】PPO第二部分 完整实现和代码解读
已浏览 9139 次3 个月之前
bilibili东川路第一可爱猫猫虫
29:08
Proximal Policy Optimization is Easy with Tensorflow 2 - PPO Tut…
已浏览 307 次2022年5月6日
bilibiliMrJ-Michael
53:45
强化学习策略梯度之proximal policy optimization PPO理论与代码（上）
已浏览 1万 次2022年3月26日
bilibiliStevensong铁维
41:34
Lecture 2 强化学习 Proximal Policy Optimization
已浏览 515 次2019年5月22日
bilibilismart_machine
9:51
Reinforcement Learning behind Humanoid Robot Explained
已浏览 1.3万 次2025年1月11日
YouTubeAGI Lambda
38:24
Proximal Policy Optimization (PPO) - How to train Large Language Mod…
已浏览 140 次4 个月之前
bilibilibender2016
31:03
强化学习策略梯度之Proximal Policy Optimization PPO理论与代码（二）
已浏览 4772 次2022年3月27日
bilibiliStevensong铁维
观看更多视频
静态缩略图占位符