RLHF-从基础到Claude中的应用探索

[giscus[bot]]

RLHF-从基础到Claude中的应用探索

RLHF-从基础到Claude中的应用探索 强化学习基础知识：马尔可夫决策过程（Markov Decision Processes,MDPs） 例行回顾，但不是核心内容 MDPs 简单说就是一个智能体（Agent）采取行动（Action）从而改变自己的状态（State）获得奖励（Reward）与环境（Environment）发生交互的循环过程。 MDP 的策略完全取决于当前状态（Only pre

https://www.zwn2001.space/posts/Graduate-Works/RL/RLHF-%E4%BB%8E%E5%9F%BA%E7%A1%80%E5%88%B0Claude%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8%E6%8E%A2%E7%B4%A2/