👾 xlinker's blog
Search
Search
Dark mode
Light mode
Explorer
LLM
post training
DPO
Let's Verify Step by Step阅读笔记
llm应该如何做rl
OpenAI o1的PRM
PRM800K标注指南
RLHF
生成式奖励模型
Adam优化器
BitNet：直接训练一个低比特模型
huggingface transformers
LLM投机解码
Tokenization
大模型并行训练
大语言模型
如何计算Attention
强化学习笔记
旋转位置编码
语言模型与压缩
mlsys
推理
推理时的batching
推理时的kv-cache
推理框架vLLM的内存管理
训练
GaLore：利用梯度的低秩减少优化器状态的存储
Gradient Checkpointing
张量并行
数据并行
流水线并行
混合精度训练
矩阵乘的反向传播
训练神经网络的时间开销
Alpa - 算子内和算子间的自动并行
cuda编程
Roofline model
深度学习量化
集合通信
其他
neo4j入门
softmax与softargmax
SVD分解
压缩算法入门
维特比算法
计算机网络笔记
工具
docker相关
github workflows
pybind11记录
python debug小技巧
python单元测试模块-pytest
ssh使用记录
各种网络问题
把obsidian笔记部署到github上
项目迁移
强化学习
elo分数
GAE：广义优势函数估计
Muzero的直观理解
MuZero相关工作
机器人模仿学习
策略梯度算法
生活
If I needed someone
real love
The Beach Boys
The Beatles
一天到晚游泳的鱼
口是心非 抛物线版本
听歌清单
咽喉炎
小时候
张雨生
影视清单
罗大佑
肩颈酸痛
Home
❯
强化学习
Folder: 强化学习
6 items under this folder.
Nov 20, 2024
GAE：广义优势函数估计
Nov 20, 2024
MuZero相关工作
强化学习
Nov 20, 2024
Muzero的直观理解
强化学习
todo
Nov 20, 2024
elo分数
Nov 20, 2024
机器人模仿学习
todo
Nov 20, 2024
策略梯度算法