HyperAI
HyperAI
メイン
ホーム
GPU
コンソール
ドキュメント
料金
パルス
ニュース
リソース
論文
ノートブック
データセット
Wiki
ベンチマーク
SOTA
LLMモデル
GPUランキング
コミュニティ
イベント
ユーティリティ
検索
概要
利用規約
プライバシーポリシー
日本語
HyperAI
HyperAI
Toggle Sidebar
⌘
K
Command Palette
Search for a command to run...
サインイン
HyperAI
Papers
事前学習されたポリシーディスクリミネーターは一般的な報酬モデルである
Discordで議論
10ヶ月前
Preference Modeling
モデル学習
強化学習
概要
論文
リソース
InternLM/POLAR
HyperAI
HyperAI
メイン
ホーム
GPU
コンソール
ドキュメント
料金
パルス
ニュース
リソース
論文
ノートブック
データセット
Wiki
ベンチマーク
SOTA
LLMモデル
GPUランキング
コミュニティ
イベント
ユーティリティ
検索
概要
利用規約
プライバシーポリシー
日本語
HyperAI
HyperAI
Toggle Sidebar
⌘
K
Command Palette
Search for a command to run...
サインイン
HyperAI
Papers
事前学習されたポリシーディスクリミネーターは一般的な報酬モデルである
Discordで議論
10ヶ月前
Preference Modeling
モデル学習
強化学習
概要
論文
リソース
InternLM/POLAR
Resources - 事前学習されたポリシーディスクリミネーターは一般的な報酬モデルである | 記事 | HyperAI超神経
164
164