如果下方播放器无法播放，请您点击这里备用播放！

视频选集

本序列聚焦于强化学习和大语言模型，探索大语言模型背后的推理能力和强化学习之间的关联关系。通过从最基础的强化学习开始，本视频讲解，原始马尔可夫奖励过程，训练过程过于稀疏导致方差大。
计算机技术AI学习大语言模型LLM强化学习RLHFreasoningMarkov Reward Proces知识推理reinforcement learn奖励过程马尔可夫