LLM Wiki
Search
搜索
探索
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