排序方式：按更新时间排序 | 按标题排序 | 按浏览次数排序
PPO（Proximal Policy Optimization）近端策略优化
LLM  
LLM | LLM入门
LLM  
Reinforcement Learning from Human Feedback（RLHF）
LLM  
BBPE（Byte-Level Byte Pair Encoding）字节级字节对编码
LLM  
XLNet：一种基于Transformer架构的自回归语言模型
LLM  
大语言模型的函数调用（function call）
LLM  
GraphRAG（Graph - based Retrieval - Augmented Generation）
LLM  
llama.cpp：以C++为主要编程语言的高性能开源库
LLM   开源库  
MiniCPM
LLM  
DeepSeek-R1-Zero 和 DeepSeek-R1
LLM   DeepSeek  
论文：DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models
LLM   DeepSeek  
BART(Bidirectional and Auto-Regressive Transformers)
LLM  
BLOOM（BigScience Large Open-science Open-access Multilingual Language Model）
LLM  
指令学习（Instruction Learning）
LLM  
GRPO（Group Relative Policy Optimization）
LLM  
TRLX：一个大型语言模型训练的工具
LLM  
LLM Role Play（大语言模型角色扮演）
LLM  
CPT（Continual Pre-Training）
LLM  
MVBench多模态大模型视频理解能力基准
LLM  
OpenCompass：一个开源的大模型评测体系
LLM