Excellent! 608 posts in total. Keep on posting.

NLP——HF-Trainer使用总结

NLP——LLM对齐微调相关总结

RL——DDPO

RL——Decision-Transformer

RL——Decision-Diffuser

RL——Diffusion-QL

RL——Diffuser

RL——QVPO

NLP——Secrets-of-RLHF(RewardModeling)

NLP——StreamingLLM