编程基础强化

SFT（监督微调）和RLHF（基于人类反馈的强化学习）的区别

SFT（监督微调）和RLHF（基于人类反馈的强化学习）的区别STF（SupervisedFine-Tuning）和RLHF（ReinforcementLearningfromHumanFeedback）
钟小宇·2025-02-18 18:11

评测系统的神经架构搜索优化

评测系统的神经架构搜索优化关键词评测系统神经架构搜索优化强化学习人工智能摘要本文将探讨评测系统的神经架构搜索优化这一主题。
AI天才研究院·2025-02-18 13:50

强化学习原理与代码实战案例讲解

1.背景介绍1.1什么是强化学习？强化学习（ReinforcementLearning,RL）是机器学习的一个重要分支，它关注的是智能体（Agent）如何在环境中通过与环境交互来学习最优的行为策略。
AI天才研究院·2025-02-18 05:53

强化学习在连续动作空间的应用：DDPG与TD3

1.背景介绍1.1强化学习简介强化学习（ReinforcementLearning，简称RL）是一种机器学习方法，它通过让智能体（Agent）在环境（Environment）中与环境进行交互，学习如何根据观察到的状态
AI天才研究院·2025-02-18 00:02

翻译Deep Learning and the Game of Go（14）第十二章 采用actor-critic方法的强化学习

本章包括:利用优势使强化学习更有效率用actor-critic方法来实现自我提升AI设计和训练Keras的多输出神经网络如果你正在学习下围棋，最好的改进方法之一是让一个水平更高的棋手给你复盘。
idol_watch·2025-02-17 22:16

【DeepSeek】一文详解GRPO算法——为什么能减少大模型训练资源？

GRPO，一种新的强化学习方法，是DeepSeekR1使用到的训练方法。
FF-Studio·2025-02-17 20:19

APO v0.7.0 更新：日志功能完整版发布！

新版本在此基础上进一步强化了日志处理和检索的能力，提升了用户体验。
·2025-02-17 15:44

景联文科技医疗数据处理平台：强化医疗数据标注与管理，推动医疗数字化新篇章

随着医疗科技快速进步与广泛应用，医疗信息的规模正在迅速扩张，如何有效管理这些医疗数据成为了关键议题。医疗数据不仅包括传统的纸质病历，还有电子病历、实验室检测结果、医学影像等多样化的数字信息。为确保这些数据能为临床决策、科研分析和患者护理提供有力支持，需要由具备专业知识的医学专家来进行处理。景联文科一站式医疗数据处理平台，旨在为医生提供高效、准确的数据标注工具，有效支持医生进行高质量标注工作。景联文
景联文科技·2025-02-17 00:34

Python数据永生秘籍：从菜鸟到存储大师的5层通关攻略

基础速通：n个浓缩提炼的核心知识点，夯实编程基础；经典范例：10个贴近实际的应用场景，深入理解Python3的编程技巧和应用方法；避坑宝典：10个典型错误解析，提供解
李智 - 重庆·2025-02-17 00:34

揭秘DeepSeek内幕：清华教授剖析AI模型技术原理

在本文中，清华大学长聘副教授将深入剖析DeepSeekR1背后的大规模强化学习技术及其基本原理，并进一步展望大模型技术未来的发展方向。
大模型.·2025-02-16 19:23

DeepSeek正重构具身大模型和人形机器人赛道！

2024年1月20日，公司发布全球首个完全通过强化学习训练的专注于推理任务的高性能语言模型DeepSeek-R1
Robot251·2025-02-16 17:12

2020徐涛背诵笔记电子版pdf_徐涛、腿姐背诵笔记使用指南、汤家凤、张宇10月复习规划...

1.徐涛：《背诵笔记》使用指南冲刺背诵笔记只有《核心考案》30%的内容，却包含着100%的考点，后期主要用来进行知识点的巩固和强化。(1)仔细阅读书的前言，各种标示的意思，里面都写的非常清楚！
想要未知的疯狂·2025-02-16 15:59

Android架构开发进阶指南，Android Jetpack Compose强化实战_android compose架构

在我们日常的开发中，如果所有人各自为战，没有统一规范，久而久之，项目代码会变得混乱且后续难以维护。而这时，许多人就会使用Jetpack这个由多个库组成的套件，来减少样板代码，以便将精力更多的集中于重要的编码工作上面。统一的架构模式通常会给我们带来诸多好处，如：统一开发规范，使得代码整洁、规范，后续易于维护及扩展提高开发效率(尤其在团队人员较多时)模块单一职责，使得模块专注自己内部(面向对象)，模块
2401_84537646·2025-02-16 08:05

DeepSeek-R1-Zero 与 DeepSeek-R1 的异同与优劣分析

DeepSeek-R1-Zero与DeepSeek-R1的异同与优劣分析一、相同点核心训练方法：两者均基于强化学习（RL），采用GroupRelativePolicyOptimization（GRPO）
AI生成曾小健·2025-02-16 04:34

架构师面试（二）：计算机编程基础

问题（该题目考察计算机编程基础，看看大家在学生期间有没有认真上课）下面说法正确的有哪几项？
棕生·2025-02-15 18:20

《深度Q网络优化：突破高维连续状态空间的束缚》

在人工智能的发展历程中，深度Q网络（DQN）作为强化学习与深度学习融合的关键成果，为解决复杂决策问题开辟了新路径。
·2025-02-15 18:22

Linux系统编程：网络编程与Socket通信详解

一、Socket编程基础1.1什么是Socket？Socket（套接字）是网络通信的端点，用于在不同主
Dev-Kilig·2025-02-15 16:34

DQN的原理和代码实现

文章目录1.概述2.DQN的训练步骤2.1初始化2.2训练循环2.3终止条件2.4评估3.代码示例1.概述深度Q网络（DeepQ-Network,DQN）是强化学习中的一种重要算法，由GoogleDeepMind
SmallerFL·2025-02-15 15:23

零代码！只需3步用DeepSeek+Ollama+AnythingLLM打造免费AI本地专属知识库（含原理）

本文将拆解本地知识库的三大核心技术（嵌入模型/向量数据库/LLM智能问答），将详细介绍如何用DeepSeek+Ollama+AnythingLLM组合，无需任何编程基础，只需3步即可免费零代码搭建全流程私有化智能知识库
少喝冰美式·2025-02-15 15:22

DQN原理和代码实现

参考：王树森《强化学习》书籍、课程、代码1、基本概念折扣回报：Ut=Rt+γ⋅Rt+1+γ2⋅Rt+2+⋯+γn−t⋅Rn.U_t=R_t+\gamma\cdotR_{t+1}+\gamma^2\cdotR
KPer_Yang·2025-02-15 14:20

强化学习在机器人控制中的应用：从理论到实践

强化学习在机器人控制中的应用：从理论到实践大家好，我是你们熟悉的人工智能与Python领域自媒体创作者Echo_Wish。今天我们来聊聊一个炙手可热的话题——强化学习在机器人控制中的应用。
Echo_Wish·2025-02-15 13:08

X-R1 项目代码文件的详细剖析并精读rewards、grpo、x_grpo_trainer（src/x_r1）

这个项目名为[X-R1](https://github.com/dhcode-cpp/X-R1)，是一个基于强化学习的训练框架，旨在构建一个易于使用、低成本的训练框架，以加速ScalingPost-Training
仙人掌_lz·2025-02-15 12:34

Python深度学习代做目标检测NLP计算机视觉强化学习

了解您的需求，您似乎在寻找关于Python深度学习领域的代做服务，特别是在目标检测、自然语言处理（NLP）、计算机视觉以及强化学习方面。以下是一些关于这些领域的概述以及寻找相关服务的建议。
matlabgoodboy·2025-02-15 10:43

Bengio新作Aaren：探索Transformer性能与RNN效率的融合

实验表明，Aaren在四个流行的序列问题设置（强化学习、事件预测、时间序列分类和时间序列预测）的38个数据
AI记忆·2025-02-15 03:17

超级实用！一个基于python的简化版深度学习框架，包括深度学习神经网络的设计和深度学习模型的设计，适用于中小型项目的开发和实现

1.Python编程基础语法和数据结构：掌握Python的基本语法、数据类型（如列表、字典、元组等）和控制流（如循环、条件语句等）。函数和模块：理解函数的定义和使用，以及如何组织代
大懒猫软件·2025-02-14 22:43

先进制造aps专题二十九 基于ai智能体的生产排程和工厂生产仿真引擎的设计

再在工厂仿真引擎里仿真执行，这样可以预先分析计划和执行的差异情况并进行调整优化这里的产生生产计划，仿真生产执行和数据分析都是人工进行的这些工作可以让ai智能体来做，从而实现整套流程的自动化和智能化我们可以在强化学习框架中结合排产仿真
lijianhua_9712·2025-02-14 21:02

FFmpeg + OpenGL ES 美颜相机教程大纲

教程分为理论讲解和实战开发两部分，适合有一定编程基础的开发者。
陈皮话梅糖@·2025-02-14 20:23

DeepSeek R1：引领未来教育革命的自适应学习路径规划系统

随着人工智能技术的进步，特别是深度学习和强化学习的应用，我们能够更加精准地识别学习者的需求，并据此设计出最适合他们的学习路径。利用先进的算法和模型来实现对学习路径的智能化管理。
Coderabo·2025-02-14 18:38

DeepSeek从入门到精通：通用AI工具的技术实践指南

以下是其核心特性：国产化：完全自主研发的大模型免费开源：可商用且无授权限制多模态能力：支持文本、代码、图像等多种任务推理强化：在逻辑分析、数学推导等任务中表现突出2.DeepSeek能做什么？
星辰@Sea·2025-02-14 16:25

华为 ADS 3.0 与特斯拉 FSD V12：自动驾驶技术的巅峰对决与未来展望

激光雷达实现环境三维重建和精确测距，在恶劣条件下仍能准确捕捉物体信息；高分辨率摄像头获取视觉信息；毫米波雷达在极端天气下强化对移动物体探测；超声波传感器辅助近距离障碍物检测。
中科宁图·2025-02-14 16:25

Golang的并发编程问题解决思路

Golang的并发编程问题解决思路一、并发编程基础并发与并行在计算机领域，“并发”和“并行”经常被混为一谈，但它们有着不同的含义。并发是指一段时间内执行多个任务，而并行是指同时执行多个任务。
caihuayuan4·2025-02-14 14:34

听力熊Teeni.AI全面接入DeepSeek大模型，顶尖科学家张驰加盟强化技术壁垒

近日，国内青少年智能硬件头部品牌听力熊（Teeni.AI）宣布两大重要进展：全面接入DeepSeek大模型，并引入西湖大学AGI实验室创始人、AI科学家张驰出任首席科学家兼CTO。这两项动作标志着听力熊在技术研发与人才战略上的双重突破，进一步巩固其在青少年AI教育硬件领域的领先地位。DeepSeek技术落地：7天完成适配，打造“共同进化”交互体验作为国内最早将AI技术应用于青少年场景的科技企业，听
·2025-02-14 13:18

Deepseek背后的强化学习RL入门理解和Python脚本实现

强化学习简单原理强化学习是一种让智能体通过与环境的交互来学习最优行为策略的方法。想象一下，你有一只小狗，你想让它学会自己找到回家的路。
大F的智能小课·2025-02-14 12:54

DeepSeek正重构人形机器人和具身大模型赛道！

2024年1月20日，公司发布全球首个完全通过强化学习训练的专注于推理任务的高性能语言模型DeepSeek-R1
Robot251·2025-02-14 10:38

Python的秘密基地--[章节16] Python 网络编程

16.1网络编程基础16.1.1网络通信协议TCP（TransmissionControlProtocol）：面向连接的可靠传输协议，适用于HTTP
云端狂人·2025-02-14 08:25

数学到底在哪里支撑着编程

在编程的世界里，数学并非只是一个学科，它实际上是支撑整个编程基础的支柱之一。数学不仅为编程提供了理论框架，它的各种理论和方法被用来提升代码效率、优化算法、设计系统架构、分析数据、以及确保程序的正确性。
·2025-02-14 00:26

【AI论文】使用大型推理模型进行竞技编程

摘要：我们的研究表明，将强化学习应用于大型语言模型（LLMs）能显著提升复杂编码和推理任务的性能。
东临碣石82·2025-02-13 23:06

定了，2025年数据库运维就这样干

一、强化巡检，防患未然数据库的稳定运行离不开日常的精心呵护。2025年，我们将进一步加强巡检工作，利用专业工具和自主研发的系统，对数据库进行全面“体检”。不仅关注数据
我科绝伦（Huanhuan Zhou）·2025-02-13 22:57

【必看】凭啥？DeepSeek如何用1/179的训练成本干到GPT-4o 98%性能

其核心策略包括减少监督微调（SFT）步骤，仅依赖强化学习（RL）技术。DeepSeek-R1-Zero版本完全跳过SFT，仅通过RL进行训练。
大F的智能小课·2025-02-13 21:51

书籍-《强化学习数学基础》

书籍：MathematicalFoundationsofReinforcementLearning作者：赵世钰出版：Springer编辑：陈萍萍的公主@一点人工一点智能下载：书籍下载-《强化学习数学基础
·2025-02-13 20:48

Hello Robot 推出Stretch 3移动操作机器人，赋能研究与商业应用

Stretch3有多项更新，包括快速更换式手腕、安装在手腕上的摄像头以及强化的材料。Stretch3移动操作机器人主要
欣佰特cnbestec·2025-02-13 19:03

Python 中调用 DeepSeek API 的方法，一文讲述

通过Python调用DeepSeek的R1大模型API，即使没有编程基础也能轻松上手。详见：Python调用DeepSeekAPI（R1&V3）的方法，超详细教程
清尘沐歌·2025-02-13 11:05

强化学习算法：蒙特卡洛树搜索 (Monte Carlo Tree Search) 原理与代码实例讲解

强化学习算法：蒙特卡洛树搜索(MonteCarloTreeSearch)原理与代码实例讲解关键词：蒙特卡洛树搜索,强化学习,决策树,搜索算法,博弈策略,应用场景,代码实现1.背景介绍1.1问题由来强化学习
杭州大厂Java程序媛·2025-02-13 07:02

【Python深入浅出㉘】探索Python3的CGI编程：开启动态网页的新征程

目录一、引言二、Python3CGI编程基础2.1什么是CGI2.2Python3与CGI编程的结合三、配置Web服务器四、编写Python3CGI脚本4.1脚本基础结构4.2处理表单数据4.3文件上传处理五
奔跑吧邓邓子·2025-02-13 05:50

Java与智能家居安全：保障智能家居系统的安全性

2.强化认证和授权：使用Java编写程序来实现强化的认证和授权机制。确保只有经过授权的用户可以访问和控制智能家
Coder_Kevin_Vans·2025-02-13 04:11

普惠AI 如何在 Anolis OS 8 上部署生产可用的 DeepSeek 推理服务

背景介绍DeepSeek-R1DeepSeek-R1在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。
·2025-02-12 17:52

VC++网络socket编程基础

通常套接字有两种类型，一种是流式套接字（SOCK_STREAM）和数据报套接字（SOCK_DGRAM），分别对应TCP和UDP网络字节序是指TCP/IP协议中规定的数据传输使用格式，与之相对的字节顺序是主机字节顺序。网路字节序=大端在TCP/IP协议通信中，用户使用IP地址和端口号进行确定通信双方。套接字地址结构structsockaddr_in{shortsin_family;//指定地址家族即
job_baiqiang·2025-02-12 15:05

YOLOv8改进策略【Neck】| NeurIPS 2023 融合GOLD-YOLO颈部结构，强化小目标检测能力

将其应用于YOLOv8的改进过程中，能够使模型更有效地整合多尺度特征，减少信息损失，强化对不同大小目标物体的特征表达，从而提升模型在复杂场景下对目标物体的检测精度与定位准确性。专栏
Limiiiing·2025-02-12 09:31

手把手教学，DeepSeek-R1微调全流程拆解

手把手教学，DeepSeek-R1微调全流程拆解原创极客见识GeekSavvy2025年02月09日09:02广东DeepSeek通过发布其开源推理模型DeepSeek-R1颠覆了AI格局，该模型使用创新的强化学习技术
AI生成曾小健·2025-02-12 05:01

对DeepSeek-R1通过强化学习提升大型语言模型推理能力的技术原理解析

强化学习基础•基本概念：强化学习是一种机器学习方法，智能体（模型）通过与环境进行交互，根据环境反馈的奖励信号来学习最优的行为策略。
一只贴代码君·2025-02-12 02:12
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他