RL——Decision-Diffuser

RL——Diffuser

RL——QVPO

NLP——Secrets-of-RLHF(RewardModeling)

NLP——LLM对齐微调-RLHF

NLP——Secrets-of-RLHF(PPO)

RL——IQL

RL——DecoupledPPO

RL——PPO及其训练技巧

RL——PPO论文精读