RL

avatar
Liuyi Wen
文章
50
标签
5
分类
9
Follow Me
公告
The Journey Is the Reward.
最新文章
并行训练系列：7. Flash Attention V1/V2
RL 系列：5. 从 TRPO 到 PPO 算法
并行训练系列：6. 序列并行上篇（Megatron-SP, DeepSpeed-Ulysses）
verl 框架：3. 加载数据与创建 batch
RL 系列：4. 策略梯度算法
分类
标签
KV Cache Go OOP Web Platforms Display C++
归档
网站信息
文章数目 :
50
本站访客数 :
本站总浏览量 :
最后更新时间 :