从0到1训练私有大模型 ，企业急迫需求，抢占市场先机 - 猎人搜索 轻松搜寻全网资源

• file:[8.8]--8-8 RM训练-train-rm_ev.mp4
• file:[8.9]--8-9 RLHF强化学习人类反馈的训练-dataset_ev.mp4
• file:[8.2]--8-2 SFT有监督的训练-数据处理_ev.mp4
• file:[7.4]--7-4 GPT3 模型-2_ev.mp4
• file:[7.9]--7-9 instruct-gpt 基于GPT技术开发的模型-2_ev.mp4
• file:[7.10]--7-10 Antropic LLM大型语言模型_ev.mp4
• file:[6.9]--6-9 actor-critic（1）_ev.mp4
• file:[6.8]--6-8 DQN和DQN的2种改进算法（2）_ev.mp4
• file:[6.3]--6-3 RL基础概念_ev.mp4
• file:[6.17]--6-17 PPO代码实践--torch_ev.mp4
• file:[6.15]--6-15 DoubleDQN+DuelingDQ代码--torc_ev.mp4
• file:[5.9]--5-9 bert(transformer encoder)主要源_ev.mp4
• file:[5.3]--5-3 常见 subword 算法（BPE-wordpiece）_ev.mp4
• file:[5.7]--5-7 bert情感分析实战----paddle（2）_ev.mp4
• file:[5.8]--5-8 evaluate和predict方法----paddle_ev.mp4
• file:[5.2]--5-2 metric-评估指标(BLUE-rouge-L-MET_ev.mp4
• file:[5.16]--5-16 本章总结_ev.mp4
• file:[5.15]--5-15 plato 百度对话模型（2）_ev.mp4
• file:[4.9]--4-9 transformer-xl 解决长序列的问题（1）_ev.mp4
• file:[4.8]--4-8 sparse-transformer 稀疏模型_ev.mp4
• file:[4.3]--4-3 seq2seq-attention的一个案例_ev.mp4
• file:[3.9]--3-9 【模型训练】word2vec实战-模型开发和训练（2）_ev.mp4
• file:[3.5]--3-5 【softmax加速】softmax负采样优化_ev.mp4
• file:[3.2]--3-2 【语言模型】语言模型和评估指标PPL_ev.mp4
• file:[3.11]--3-11 【预训练语言模型】RNN-LSTM-ELMO_ev.mp4
• file:[3.1]--3-1 【认知】词向量，词向量与gpt的关系_ev.mp4
• file:[3.10]--3-10 【激活函数】常见七种激活函数对比_ev.mp4
• file:[2.5]--2-5 【工具】介绍基于gpt4的IDE cursor_ev.mp4
• file:[2.2]--2-2 【框架】paddle和torch与tensorflow对_ev.mp4
• file:[2.1]--2-1 【认知】为什么要引入paddle？平时使用torch，学_ev.mp4
• file:[2.3]--2-3 【NLP工具和预训练模型】paddleNLP和huggi_ev.mp4
• file:[1.3]--1-3 【行业发展】ChatGPT对行业、社会有什么影响，我们要_ev.mp4
• file:[1.1]--1-1 【导航】课程导学&让你快速了解课程_ev.mp4
• file:[1.2]--1-2 【内容安排】课程安排和学习建议_ev.mp4
• file:[1.5]--1-5 【学习须知】本课程为什么使用gpt2而不是gpt3_ev.mp4
• folder:从0到1训练私有大模型 ，企业急迫需求，抢占市场先机
• folder:{8}--第8章 RLHF训练类ChatGPT模型代码实战
• folder:{7}--第7章 chatGPT技术演变——从GPT 1 开始的大模型发展与演化
• folder:{6}--第6章 chatGPT的核心技术——强化学习
• folder:{5}--第5章 基于Transformer另一分支Bert系列分析与实战
• folder:{4}--第4章 chatGPT基石模型——基于Transformer架构的语言模型
• folder:{3}--第3章 chatGPT初始技术词向量原理剖析与实战
• folder:{2}--第2章 训练模型与开发平台环境
• folder:{1}--第1章 课程介绍