NLP——LLM对齐微调-Pass@k-Training

NLP——LLM对齐微调-DPO-原始论文阅读

RL——DDPO

RL——Decision-Diffuser

RL——Decision-Transformer

RL——Diffuser

RL——Diffusion-QL

RL——QVPO

NLP——Secrets-of-RLHF(RewardModeling)

NLP——LLM对齐微调-RLHF