natolambert/rlhf-book
@natolambert人間フィードバックからの強化学習に関する教科書
スター
2,357
フォーク
258
言語
Python
ライセンス
NOASSERTION
最終プッシュ
1 週間前
関連 Intel(0)
関連 Intel はまだありません
このリポジトリは radar が追跡するソースにまだ登場していません。コレクターはスケジュールで動いています——このリポジトリがカバーされたらまた見てください。
人間フィードバックからの強化学習に関する教科書
このリポジトリは radar が追跡するソースにまだ登場していません。コレクターはスケジュールで動いています——このリポジトリがカバーされたらまた見てください。