LLM時代の強化学習 - どこから見てもメンダコ
強化学習におけるLLMの活用パターン調査 はじめに：実世界における強化学習の課題 LLM×強化学習 人間はゼロショット推論によりサンプル効率の良い学習ができる LLMによるゼロショット推論の例 さまざまなLLM活用パターン 1. 報酬モデルとしてのLLM LLMによる代理報酬モデル VLMによる外観ベース代理報酬モデル 外部知識にもとづく報酬モデル設計 2. 計画モデルとしてのLLM LLMによるセマンティック計画 LLMによる構造的な探索計画 3. 方策モデルとしてのLLM LLM as 確率方策 マルチモーダルLLM as 確率方策 参考：GPTアーキテクチャの転用 4. 世界モデルとしてのLLM Language Models Meet World Models (あとで書く) おわりに：VLM as 確率方策に期待 はじめに：実世界における強化学習の課題 レトロゲームで人間並みのパ
LLMを理解する一歩として「ゼロから作るDeep Learning」をやった - $shibayu36->blog;
LLM、GPT界隈を追いかけていて、GPTの仕組みと限界についての考察（2.1） - conceptualizationという記事を見かけた。これを見たとき、「どういうことか全然理解できない」という気持ちになった。また、その他LLMの解説記事を理解できないことが多く、自分の機械学習知識不足が明確になった。 理解できなかったことは悔しいし、LLMやChatGPTをうまく使いこなすには最低限どのような原理で動いているか理解したいと感じた。そこで一歩目として「ゼロから作るDeep Learning」を完走した。 ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 作者:斎藤 康毅オライリージャパンAmazon 知識なしからはじめたので時間はかかったが、次のように進めていった。 自分もコードを写経しながら読む レポジトリは https://github.co
一番星はてのが英語学習記事に無言ブクマするようになりました - 一番星はての開発ブログ
500ブクマ以上の英語学習っぽい記事を見つけたら無言ブクマするようになりました（「英語」タグでブクマされます）。なお、タイミングによってはブコメありでブクマされる場合もあります。 図書館で英語を勉強する一番星はての キャラ画像生成にReference-onlyが便利 ここ最近は主にキャラLoRA作成を頑張っていたんですが、あまり安定せずにどうしたものかと思っていたらControlNetのReference-onlyという便利な機能でキャラの特徴を掴んで簡単に画像出力できるようになったのでそれではてのの画像を生成してみた。頭のリボンはうまくいかなかったので仕方なく後から調整している。 インターネットを見る一番星はての まだまだ同じ向きの顔とかしか出せないけど、そのうちブックマークコメントに合わせた画像生成をしてツイートするなど行いたい。 参考 www.youtube.com
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
