强化学习与ChatGPT：PPO 算法介绍和实际应用(中文介绍）

[@richardleon5149]

思路清晰，比很多教授都讲得清楚，谢谢分享！

[@邓宇杰]

看了十五分钟还没看完，迫不及待想要评论，感觉老师好用心的解释，感觉比王树森老师的相关课程讲的更详细，太爱了，谢谢老师用爱发电

[@dongdongqiaqia]

王树森的材料适合快速入门， 李宏毅适合系统消化， 这个适合理解最新2年的应用

[@张力-u2i]

思路非常清晰！很多东西一下懂了，期待更多分享！

[@冀炳宇-r8x]

讲的真好！赞了博主！

[@ernestzhang-y1s]

说得很好

[@kuisongzheng4655]

小姐姐很棒

[@huachengli1786]

21:04 有一个没讲清楚的地方：2.a 用current policy 采集的数据，2.c为什么不直接用来update current policy，为什么需要2.b 用 old policy 和 current policy 一起计算expected reward。有同样疑问的同学往这看 th-cam.com/video/_B2oMdOVVJc/w-d-xo.html

[@yizhangli2434]

很清楚 谢谢

[@husthu5667]

讲的很好，ppt可以分享一下吗

[@mixshare]

👍🎉

[@bingxie5361]

讲得很好，就是声音有点颤抖，不够稳。

[@hkklkk6588]

很好的视频，请问是博主自己讲解的吗，还是转载的呀，想看更多这个朋友的讲解~

[@zitengwang9673]

chatgpt pretrain的方式是 prompt 和answer这种supervise learning的形式？

[@tingtingyuan5647]

是的，提前准备好的问题和答案，答案相当于label

[@huachengli1786]

讲座这个人是不是连GPT1的paper都没看过。chatGPT怎么可能是用supervised learning 训练的？

[@ShillerDev-v3o]

哈哈，不从natural gradient和TPRO说起么

[@michaeljefferson6871]

读完博后后回国吗？

[@bobyuan5007]

lihongyi老师的slides

[@闲云野鹤-g5w]

PPO=RLHF？

[@tingtingyuan5647]

不是的，PPO只是其中RL训练的方法。

[@闲云野鹤-g5w]

谢谢 @@tingtingyuan5647

[@myfirstjump2]

這內容應該是台大李宏毅老師的投影片