Proximal Policy Optimization

2 статьи

1ч 43м
🧠 Афшин и Шервин Амиди: Математика и интуиция Reinforcement Learning в LLM
Stanford Online · 19.10 · 22,3 тыс. просм.
1ч 08м
🔄 Градиент стратегии и алгоритм REINFORCE: от робототехники до ChatGPT
Stanford Online · 30.10.24 · 14,6 тыс. просм.