最終更新:2025-05-13 (火) 18:21:15 (337d)
RLHF
Top / RLHF
Reinforcement Learning from Human Feedback
人間のフィードバックによる強化学習
手法
PPO
- Proximal Policy Optimization
メモ
- 報酬モデル?
検索
クイックアクセス
チラ裏
おなかすいた族！
リンク
人気の50件
- FrontPage(280937)
- Arduino/ピン配置(159966)
- Objective-C(75493)
- ApplePS2Keyboard-Japanese-v2(49255)
- レポートディスクリプタ(48198)
- cRARk(44401)
- USB/ディスクリプタ(43142)
- NSString(36402)
- Quartz Composer/パッチ(36280)
- SmartQ 5(34927)
- Arduino(32177)
- HIDデバイス/開発(29975)
- Visual Studio/バージョン(29201)
- USBデバイス開発(28754)
- タグクラウド/アクセス数(28054)
- セブン・ステップ・ガイド(27809)
- IndivBox.key(27362)
- MFC/クラス(26455)
- MoinMoin(25834)
- BitBake(25632)
- タグクラウド/内部被リンク数(25432)
- smile.world(24247)
- Android/ディレクトリ構成(23523)
- IBM T221(23144)
- BackTrack/ツール(22922)
- VMware VIX API(22914)
- USB/標準リクエスト(22646)
- Objective-C/ファイル入出力(22394)
- A5：SQL Mk-2(22314)
- FeliCa/コマンド(22056)
- Linux/USBガジェット(21509)
- ARToolKit(21468)
- OpenCvSharp(21367)
- デバイスセットアップクラス(20815)
- OpenCV/cv(20666)
- Windows SDK(20515)
- USB/リクエスト(20403)
- 基礎文法最速マスター(20390)
- Quartz Composerにどっぷり!(20180)
- AVR(19768)
- Windows 7 Loader(19611)
- tokkyo/買った物/電子部品(19260)
- V-USB(18957)
- OpenCV(18880)
- OSx86(18815)
- Linuxカーネル/バージョン(18539)
- JXD S5110(18224)
- IBOutlet(17873)
- 画像処理(17736)
- ニコニコ技術部(17224)
- 最終更新:2025-05-13 (火) 18:21:15 (337d)
- Site admin: おなかすいた族！
- convert time: 0.007 sec
- Powered by PukiWiki
- Monobook for PukiWiki