LLM Wiki

标签: RLHF

此标签下有8条笔记。

  • 2026年7月01日

    SFT(监督微调)

    • 概念
    • 基础
    • 长青
    • 大模型
    • 对齐
    • RLHF
  • 2026年7月01日

    资料摘要:On-Policy Distillation

    • 蒸馏
    • 后训练
    • 深度
    • 进阶
    • RLHF
    • 对齐
  • 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04日

    DPO(直接偏好优化)

    • 概念
    • 基础
    • 长青
    • 对齐
    • RLHF
  • 2026年5月04日

    对齐税

    • 概念
    • 进阶
    • 长青
    • 对齐
    • RLHF
  • 2026年5月04日

    资料摘要:DPO

    • 深度
    • 基础
    • 长青
    • 大模型
    • 对齐
    • RLHF
  • 2026年5月04日

    资料摘要:InstructGPT

    • 深度
    • 基础
    • 长青
    • 大模型
    • 对齐
    • RLHF
  • 2026年5月04日

    资料摘要:Llama 2

    • 深度
    • 基础
    • 长青
    • 大模型
    • 开源
    • 对齐
    • RLHF

Created with Quartz v4.5.2 © 2026

  • GitHub
  • Discord Community