(Ken Cen出品)Generative AI第28部 LLM 對齊革命 - PPO X DPO 策略優化
關於KL懲罰，Frozen Model，Entropy，Advantage Function ，Value Function，Bradley-Terry 偏好模型
5.00 (1 reviews)
44
students
5.5 hours
content
Jun 2025
last update
$24.99
regular price
What you will learn
深入瞭解 PPO Policy Gradient & PPO Clipped Objective
深入瞭解 Value Function Loss & Policy Entropy & Total PPO Loss PPO 總損失
深入瞭解什麼是 DPO & 如何解決約束優化問題
學會如何使用 Pytorch實現 SFT 監督微調
學會如何使用 Pytorch實現 DPO 直接偏好優化 Direct Preference Optimization
Loading charts...
6621101
udemy ID
18/05/2025
course created date
28/06/2025
course indexed date
Bot
course submited by