SFT DPO 详解强化学习 微调与对齐 效果优化及其实践 DeepSeek蒸馏 CoT GRPO RLHF 大模型算法:强化学习
SFT DPO 详解强化学习 微调与对齐 效果优化及其实践 DeepSeek蒸馏 CoT GRPO RLHF 大模型算法:强化学习
所 在 地:北京 累计销量:100+
店铺掌柜:  臣马图书音像专营店 
69.6 69.6
相关推荐