【AI論文解説】Gumbel回帰を利用した新しい強化学習! Extreme Q-learning #ICLR2023

(31:54)

【AI論文解説】RLHF不要なLLMの強化学習手法Direct Preference Optimization(+α)

(32:37)

【まとめ】 #OpenAI 発表2日目の新しい強化学習 #ファインチューニング

(1:32)

【AI論文解説】学習してきた重みをリセットして性能向上!?パラメータリセットを用いた強化学習

(17:3)

OpenAI oシリーズの驚異的な推論能力を解明！強化学習による再現への4つのステップとは？（2024-12）【論文解説シリーズ】

(12:10)

【AI論文解説】KL divergence制約を取り入れた強化学習アルゴリズム Relative Entropy Policy Search (REPS)

(29:55)

大規模言語モデルの\

(9:48)

オフラインデータなしで10倍速く学習できる最新強化学習手法WSRLとは？（2024-12）【論文解説シリーズ】

(11:23)

OpenAI Day2：強化学習ファインチューニングで、難しい論点についてのAIの思考方法・回答内容をチューニングでき、より高度かつ独自の問題にも対応できるようになる模様

(40:38)

医師のように考えられるのか？医療AIの複雑な推論能力に革新をもたらすHuatuoGPT-o1（2024-12）【論文解説シリーズ】

(11:50)

強化学習で株価予測の精度が3倍に？20種の金融指標を活用した最新AI取引手法とは（2024-11）【論文解説シリーズ】

(12:30)

ChatGPTの前身！人間の意図を理解し自然な文章を生成する InstructGPTの驚異（2022-03）【論文解説シリーズ】

(3:16)

AIの進化が臨界点に？5つの最新モデルが見せた計画的な欺瞞行動（2024-12）【論文解説シリーズ】

(19:14)

ニューラルネットワークの仕組み | Chapter 1, 深層学習（ディープラーニング）

(17:53)

強化学習って聞いたことある？体に覚え込ませるんだよ#ai #強化学習 #Slime

(50)

【裏技】卒論の準備をAIで超効率的にやる方法

(27)

アルジャーノンに花束を『「知る」ことで人生は辛くなる』/ダニエル・キイス

(20:16)