腾讯一面：为什么LLM需要RLHF？只用SFT不行吗？ 请从数学角度推导PPO在RLHF中的目标函数，并对比DPO的优劣
2:02
腾讯一面：为什么LLM需要RLHF？只用SFT不行吗？ 请从数学角度推导PPO在RLHF中的目标函数，并对比DPO的优劣
2 weeks ago
douyin.com龙哥紫貂智能
See more
Static thumbnail place holder