iT邦幫忙

ozymxt
iT邦見習生 ‧ 點數 112
1900
累計瀏覽數
站內簡訊 追蹤

ozymxt 的發文列表 25

0 Like 0 留言 63 瀏覽

技術 Day15 自我進化的開端：Self-play 迴圈與 Multi-Agent 協作入門

18th鐵人賽
2026-09-22 由 ozymxt 分享
1 Like 0 留言 80 瀏覽

技術 Day14 當 Agent 開始作弊：故意設計錯誤 Reward 誘發 Reward Hacking

18th鐵人賽
2026-09-21 由 ozymxt 分享
0 Like 0 留言 48 瀏覽

技術 Day13 成功的一半：為什麼對 Agent 來說「環境設計」比演算法更重要？

18th鐵人賽
2026-09-20 由 ozymxt 分享
0 Like 0 留言 111 瀏覽

技術 Day12 獎勵機制的抉擇：Outcome vs Process Reward Model 與可驗證獎勵

18th鐵人賽
2026-09-19 由 ozymxt 分享
1 Like 0 留言 59 瀏覽

技術 Day11 Agent RL 與傳統 RLHF 的本質差異及 Credit Assignment 難題

18th鐵人賽
2026-09-18 由 ozymxt 分享
0 Like 0 留言 124 瀏覽

技術 Day10 DeepSeek 背後的演算法：GRPO 與 PPO 差異比較

18th鐵人賽
2026-09-17 由 ozymxt 分享
0 Like 0 留言 115 瀏覽

技術 Day9 DPO vs PPO：為什麼 DPO 不需要 Reward Model 且更適合微調？

18th鐵人賽
2026-09-16 由 ozymxt 分享
0 Like 0 留言 104 瀏覽

技術 Day8 人工標註的陷阱：Reward Model 訓練實戰與資料品質探討

18th鐵人賽
2026-09-15 由 ozymxt 分享
0 Like 0 留言 68 瀏覽

技術 Day7 拆解 RLHF 全流程：SFT、Reward Model 到 PPO 的 Pipeline

18th鐵人賽
2026-09-14 由 ozymxt 分享
0 Like 0 留言 69 瀏覽

技術 Day6 邁向 LLM 時代：Clip 大小實驗與第一階段 RL 脈絡總結

18th鐵人賽
2026-09-13 由 ozymxt 分享
ozymxt的鐵人檔案
ozymxt的收藏
ozymxt的追蹤
ozymxt的Like
ozymxt的紀錄
ozymxt的訂閱列表