标签：强化学习,人类反馈,替代方法,机器学习 时间：2023-10-18T21:39:50
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）
强化学习进入分布式时代——DeepMind分布式强化学习框架ACME发布
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）
7种交叉验证（Cross-validation）技术简介（附代码示例）
目前正在举办的机器学习相关的比赛
2021年适合初学者的10个最佳机器学习在线课程
最流行的用于预测的机器学习算法简介及其优缺点说明
隐马尔科夫模型及其在NLP中的应用指南
关于机器学习理论和实践的信息图
工业蒸汽量预测-特征工程
亚马逊最新发布Feature Store简介
Scikit-Learn最新更新简介
100天搞定机器学习（100-Days-Of-ML）（一）数据预处理
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
深度学习技巧之Early Stopping（早停法）
H5文件简介和使用
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
Wishart分布简介
