phonism/LLMNotes

LLM 学习笔记：Transformer 架构、强化学习 (RLHF/DPO/PPO)、分布式训练、推理优化。含完整数学推导与Slides。

语言：TeX · GitHub 星标：11 · Fork：1

话题：dpo · learning-notes · llm · moe · notes · ppo · reinforcement-learning · rlhf

在 GitHub 上查看原仓库