主题
通过视频,一起学习
用画面和讲解分享知识,让抽象的概念更容易理解。
用可视化介绍 RLHF 中的广义优势估计(GAE),从 TD 残差到优势估计,梳理反向递推的过程。
通过可视化演绎,观察尺度变换下不同梯度方法的表现。