标签：#acme##DeepMind##强化学习# 时间：2022/09/24 20:58:03 作者：小木
大型语言模型的新扩展规律（DeepMind新论文）——Training Compute-Optimal Large Language Models
为什么最新的大语言模型（如ChatGPT）都使用强化学习来做微调（finetuning）？
强化学习的数学基础之马尔可夫链（Markov Chain）
强化学习基础之马尔可夫决策过程（Markov Decision Processes）和马尔可夫奖励过程（Markov Reward Processes）
强化学习的历史
Q Learning算法详解
开源利器！一个文件实现完整的强化学习算法
多臂老虎机/赌博机/抽奖/问题（Multi-armed Bandit/ Exploration-Exploitation Trade-off）
Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）
回归模型中的交互项简介（Interactions in Regression）
贝塔分布（Beta Distribution）简介及其应用
矩母函数简介（Moment-generating function）
使用R语言进行K-means聚类并分析结果
普通最小二乘法（Ordinary Least Squares，OLS）的详细推导过程
H5文件简介和使用
深度学习技巧之Early Stopping（早停法）
Wishart分布简介
手把手教你本地部署清华大学的ChatGLM-6B模型——Windows+6GB显卡本地部署
