LLM Wiki

标签: 强化学习

此标签下有9条笔记。

  • 2026年7月10日

    生成式奖励模型(Generative Reward Model)

    • 概念
    • 强化学习
    • 奖励模型
    • 进阶
  • 2026年7月10日

    资料摘要:GSRM(生成式语音奖励模型)

    • 语音合成
    • 强化学习
    • 奖励模型
    • 大模型
    • 深度
  • 2026年7月01日

    DiffRO(可微奖励优化)

    • 概念
    • 语音合成
    • 强化学习
    • 后训练
  • 2026年7月01日

    GRPO(组相对策略优化)

    • 概念
    • 进阶
    • 强化学习
    • 大模型
  • 2026年7月01日

    Policy Gradient(策略梯度)

    • 概念
    • 进阶
    • 强化学习
    • 后训练
  • 2026年7月01日

    verl

    • 概念
    • 工具
    • 后训练
    • 强化学习
    • 开源
  • 2026年6月05日

    资料摘要:MCLP(角色扮演 TTS)

    • 语音合成
    • 强化学习
    • 大模型
    • 深度
  • 2026年5月09日

    PPO(近端策略优化)

    • 概念
    • 基础
    • 长青
    • 强化学习
    • 对齐
    • RLHF
  • 2026年5月08日

    资料摘要:Plan-Critic

    • 音频生成
    • 语言模型
    • 强化学习

Created with Quartz v4.5.2 © 2026

  • GitHub
  • Discord Community