DeepSeekMath 7B: Open-Source Math Model Surpasses GPT-4 | Byte Goose AI posted on the topic | LinkedIn
linkedin.com
DeepSeekMath 7B: Open-Source Math Model Surpasses GPT-4 | Byte Goose AI posted on the topic | LinkedIn
Today, we’re tackling what has long been considered the 'final boss' for Large Language Models: Mathematical Reasoning. how to build GRPO from scratch.For a long time, if you wanted an AI that could solve competition-level math problems, you had to rely on massive, closed-source giants like GPT-4. But a new paper is challenging that status ...
已浏览 115 次2 个月之前
PPO Algorithm Explained
How Reinforcement Learning Can Boost the Returns of Your Investment Portfolio
25:53
How Reinforcement Learning Can Boost the Returns of Your Investment Portfolio
YouTubeAnalytics in Practice
已浏览 55 次1 个月前
What is RLHF? The "Secret Sauce" Behind ChatGPT & AI Alignment
3:16
What is RLHF? The "Secret Sauce" Behind ChatGPT & AI Alignment
YouTubeAI Buzz
已浏览 2 次1 周前
PPO Algorithm Explained 🤖 | Proximal Policy Optimization in Reinforcement Learning
0:34
PPO Algorithm Explained 🤖 | Proximal Policy Optimization in Reinforcement Learning
YouTubeQybrenthak AI Pvt. Ltd.
已浏览 2 次4 周前
热门视频
DeepSeek-AI's GRPO Revolution: Boosting AI Reasoning with New Variants | Byte Goose AI posted on the topic | LinkedIn
DeepSeek-AI's GRPO Revolution: Boosting AI Reasoning with New Variants | Byte Goose AI posted on the topic | LinkedIn
linkedin.com
已浏览 103 次3 个月之前
多智能体(无人机无人车)强化学习手把手实践-PPO算法解析
23:37
多智能体(无人机无人车)强化学习手把手实践-PPO算法解析
bilibili嗯不想长大
已浏览 1652 次1 个月前
Proximal Policy Optimization in Reinforcement Learning Simplified
8:31
Proximal Policy Optimization in Reinforcement Learning Simplified
YouTubeRITEC
已浏览 22 次3 周前
Reinforcement Learning PPO
Rethinking Trust Region in LLM Reinforcement Learning PPO Limitations and DPPO for Stable FineTuning
7:18
Rethinking Trust Region in LLM Reinforcement Learning PPO Limitations and DPPO for Stable FineTuning
YouTubeCosmoX
已浏览 3 次1 个月前
Reinforcement learning PPO Drone Pursuit Evade
0:30
Reinforcement learning PPO Drone Pursuit Evade
YouTubeLuckyDipper(복별)
7 个月之前
Malami: AI-Powered Adaptive Learning with Reinforcement Learning | PPO vs DQN vs A2C vs REINFORCE
9:26
Malami: AI-Powered Adaptive Learning with Reinforcement Learning | PPO vs DQN vs A2C vs REINFORCE
YouTubeEdith Githinji
1 周前
DeepSeek-AI's GRPO Revolution: Boosting AI Reasoning with New Variants | Byte Goose AI posted on the topic | LinkedIn
DeepSeek-AI's GRPO Revolution: Boosting AI Reasoning with New …
已浏览 103 次3 个月之前
linkedin.com
多智能体(无人机无人车)强化学习手把手实践-PPO算法解析
23:37
多智能体(无人机无人车)强化学习手把手实践-PPO算法解析
已浏览 1652 次1 个月前
bilibili嗯不想长大
Proximal Policy Optimization in Reinforcement Learning Simplified
8:31
Proximal Policy Optimization in Reinforcement Learning Simplified
已浏览 22 次3 周前
YouTubeRITEC
Proximal Policy Optimization Part 1
46:12
Proximal Policy Optimization Part 1
5 天之前
YouTubePantelis Monogioudis
LLM 강화학습에서 PPO 한계와 DPPO 제안 — Trust Region 재고찰 in LLM Fine-Tuning
8:04
LLM 강화학습에서 PPO 한계와 DPPO 제안 — Trust Region 재고찰 in LL…
1 个月前
YouTubeCosmoX
Real-wrold Experiment : MAP3O- 6 UAVs and 2 UGVs
1:40
Real-wrold Experiment : MAP3O- 6 UAVs and 2 UGVs
已浏览 8 次3 周前
YouTubeFlightKernel Lab
PPO Algorithm Explained 🤖 | Proximal Policy Optimization in Reinforcement Learning
0:34
PPO Algorithm Explained 🤖 | Proximal Policy Optimization in Reinforcem…
已浏览 2 次4 周前
YouTubeQybrenthak AI Pvt. Ltd.
1:04
AI Learn to Dodge Asteroids
已浏览 1184 次2 个月之前
YouTubeManiCo Labs
0:30
Why PyTorch Users Stop Short of Real Optimization
已浏览 1426 次3 周前
YouTubeSuper Data Science: ML & AI Podcast with Jon …
#reinforcementlearning #marl #robotics #ros2 #isaacsim #pytorc…
已浏览 4 次1 个月前
linkedin.com
Proximal Policy Optimization (PPO) with Contra
已浏览 6379 次2021年2月21日
YouTubeViệt Nguyễn AI
25:51
[双语字幕] 1/3 Proximal Policy Optimization Implementation 11 C…
已浏览 72 次2025年3月13日
bilibili89270639239_bili
21:56
从经典PPO到PPO-RLHF(二) InstructGPT RLHF trl代码
已浏览 3588 次3 个月之前
bilibili东川路第一可爱猫猫虫
33:53
【PPO】【已完结】PPO第二部分 完整实现和代码解读
已浏览 9559 次4 个月之前
bilibili东川路第一可爱猫猫虫
29:08
Proximal Policy Optimization is Easy with Tensorflow 2 - PPO Tut…
已浏览 307 次2022年5月6日
bilibiliMrJ-Michael
53:45
强化学习策略梯度之proximal policy optimization PPO理论与代码（上）
已浏览 1万 次2022年3月26日
bilibiliStevensong铁维
41:34
Lecture 2 强化学习 Proximal Policy Optimization
已浏览 515 次2019年5月22日
bilibilismart_machine
16:42
多智能体(无人机/无人车)强化学习手把手实践-环境与交互
已浏览 5349 次3 个月之前
bilibili嗯不想长大
38:24
Proximal Policy Optimization (PPO) - How to train Large Language Mod…
已浏览 140 次4 个月之前
bilibilibender2016
1:02:47
PyTorch论文复现 | Proximal Policy Optimization (PPO)
已浏览 9559 次2021年7月20日
bilibili深度强化学习实验室
19:50
深度强化学习之策略梯度方法与近似策略优化(PPO)
已浏览 5775 次2018年10月2日
bilibili爱可可-爱生活
19:44
多智能体(无人机/无人车)强化学习手把手实践-智能体设计
已浏览 2056 次3 个月之前
bilibili嗯不想长大
19:25
【PPO】从零到深入(1) 从梯度本质看 PPO的裁剪目标函数
已浏览 1.3万 次5 个月之前
bilibili东川路第一可爱猫猫虫
17:50
Proximal Policy Optimization Explained
已浏览 55 次2022年2月28日
bilibili人工智能基地
11:18
这绝对是B站强化学习PPO算法天花板教程！原理推导 算法实现 项目实 …
已浏览 2万 次7 个月之前
bilibili唐宇迪深度学习
11:05
AI Learns to Park - Deep Reinforcement Learning
已浏览 310.2万 次2019年8月23日
YouTubeSamuel Arzt
23:32
Pytorch Neural Network example
已浏览 14.4万 次2020年4月4日
YouTubeAladdin Persson
18:00
Custom optimizer in PyTorch
已浏览 7179 次2021年1月30日
YouTubemildlyoverfitted
35:01
Let's Code Proximal Policy Optimization
已浏览 1.8万 次2021年5月28日
YouTubeEdan Meyer
观看更多视频
静态缩略图占位符