Последние добавленные видео:
reward-modelling-for-LLMs
-
11 месяцев назад
224 11 месяцев назад 3:13LLM VLM Based Reward Models
-
6 лет назад
253995 6 лет назад 17:52Training AI Without Writing A Reward Function, with Reward Modelling
-
5 месяцев назад
5233 5 месяцев назад 39:33Reinforcement Learning with Verifiable Rewards - Teaching LLMs to Solve Problems
-
1 год назад
2192 1 год назад 7:51Generative Reward Models: Merging the Power of RLHF and RLAIF for Smarter AI
-
10 месяцев назад
32 10 месяцев назад 5:28LLM Rewards: Is Simpler Better?
-
5 месяцев назад
66 5 месяцев назад 3:27BR-RM: Think-Twice Reward Model for LLMs
-
8 месяцев назад
30 8 месяцев назад 5:10POLAR: Scalable Reward Models for LLMs
-
11 месяцев назад
10 11 месяцев назад 5:54LoRe: Personalizing LLMs via Low-Rank Reward Modeling
-
1 год назад
22367 1 год назад 28:53Fine-tuning LLMs on Human Feedback (RLHF + DPO)
-
4 месяца назад
18 4 месяца назад 4:37PRInTS: Reward Model for Long LLM Searches
-
1 год назад
41963 1 год назад 23:16DeepSeek's GRPO (Group Relative Policy Optimization) | Reinforcement Learning for LLMs
-
5 месяцев назад
1398 5 месяцев назад 53:01Выводы CMU LLM (12): Модели вознаграждения и лучшие из N
-
11 месяцев назад
3 11 месяцев назад 16:23LoRe Personalizing LLMs via Low Rank Reward Modeling
-
1 год назад
82721 1 год назад 11:29Reinforcement Learning from Human Feedback (RLHF) Explained
-
6 месяцев назад
15 6 месяцев назад 3:38Improving Speech LLMs with GRPO Rewards
-
1 месяц назад
30 1 месяц назад 5:09RLAnything: Dynamic RL System for LLM Agents
-
1 час назад
275 1 час назад 33:11Слова вместо весов? Самообучающаяся многоагентная система RAG (HERA)
-
1 год назад
1845165 1 год назад 1:44:31Stanford CS229 I Machine Learning I Building Large Language Models (LLMs)
-
9 месяцев назад
24733 9 месяцев назад 51:06How to finetune LLMs to THINK with Reinforcement Learning (GRPO from scratch!)
-
1 год назад
50375 1 год назад 22:03Proximal Policy Optimization (PPO) for LLMs Explained Intuitively