NLP——LLM对齐微调-RLHF

NLP——Secrets-of-RLHF(PPO)

RL——IQL

RL——PPO及其训练技巧

RL——PPO论文精读

RL——离线强化学习整体介绍

RL——BCQ

RL——AlphaGo系列算法

RL——CQL

RL——IMPALA