RL RecSys в проде: хайп или игра вдолгую +8
Публикации с тегом RL
Динамическая адаптация награды с помощью Pydantic +4
RLHF. История становления идеи — 4. HHH: helpful, honest, harmless, Instruct LLM, Constitutional AI
RLHF. История становления идеи — 3. Supervised finetune, Протокольный сбор обратной связи, Batch RL
RLHF. История становления идеи — 2
Обучение с подкреплением на основе обратной связи от человека (RLHF). История становления идеи
Создание масштабируемых RL систем с Ape-X
Как мы готовим RL для Alignment в больших языковых моделях: опыт команды YandexGPT +91
- Блог компании Яндекс
- Алгоритмы
- Машинное обучение
- Искусственный интеллект
- Natural Language Processing
Глаза боятся, а ИИ делает: как эмоции помогают ИИ лучше управлять автомобилем
Нейросеть, генерирующая нейросети. Часть 2. RL агент создаёт свои первые нейросети
Нейросеть, генерирующая нейросети. Часть 1. Генерация случайной свёрточной нейронной сети +2
Синтез обучения с подкреплением и классического планирования: как выиграть соревнование CVPR Habitat Challenge 2023 +6
Обучение с подкреплением: практические рекомендации по обучению сетей Deep Q +13
Обучение с подкреплением: сети Deep Q +16
Обучение с подкреплением: математический аппарат +13
