Никита Сорокин | Multi-turn RL для LLM/VLM в агентных задачах и робототехнике

Сипаттама

Всем привет. А меня зовут Никита. Я инженер-следователь Айри. И сегодня я расскажу вам лекцию про мультитрN RL для языковых и визуальноязыковых моделей. Сначала небольшой опрос. Кто вообще в целом знаком с обучением с подкреплением? А там может знает алгоритм ПPO? Может, кто-то…