發(fā)簡信
IP屬地：浙江
-
ReFT論文淺讀ReFT: Reasoning with Reinforced Fine-Tuning[https://arxiv.org/abs/2401.0...
-
DeepSeekMath論文淺讀(GRPO)Group Relative Policy Optimization(GRPO) ，從DeepSeekMath[https://arxiv.or...
-
PPO（Proximal Policy Optimization）PPO（Proximal Policy Optimization）是一種廣泛使用的強(qiáng)化學(xué)習(xí)算法，它通過優(yōu)化策略來訓(xùn)練智能體，旨在提升訓(xùn)練過程的穩(wěn)...
-
spacy安裝和使用
spacy是一個python的自然語言處理的包娜汁，可以做詞性分析枣宫、命名實(shí)體識別珠月、依賴關(guān)系刻畫懈费，embedding的計(jì)算以及可視化。 直接清華源安裝...
-
rStar論文淺讀來自：Mutual Reasoning Makes Smaller LLMs Stronger Problem-Solvers[https://...
-
位置編碼（Positional Encoding）在大語言模型（LLM）中著榴，位置編碼（Positional Encoding）是用于表示輸入序列中詞匯或標(biāo)記相對位置的技術(shù)添履。由于Transform...
-
Linux cuda-toolkit安裝查看系統(tǒng)信息 下載工具包 下載地址： https://developer.nvidia.com/cuda-toolkit-archive[htt...
-
Linux教程 命令行運(yùn)行clash
clash (meta) 下載安裝包 linux x64下載 curl https://d2.duckgogo.net/mihomo/mihom...
-
Python改變字符顏色
打印有顏色的字符串 只改變顏色，不打印