主页

索引

模块索引

搜索页面

2.3. 临时

• 2.3.1. ReAct框架
  • 组成部分
  • 工作流程
  • 优势
  • 示例
• 2.3.2. Reflection反思
• 2.3.3. 数学
  • 线性拟合
  • 多项式拟合
  • 归一化
• 2.3.4. bag-of-words
  • 示例说明
  • N-Grams
• 2.3.5. Word2Vec
  • Review: Bag-of-words
  • Word2Vec
  • 参考
• 2.3.6. Doc2Vec
  • Review: Word2Vec Model
  • Doc2Vec
  • Gensim
  • 参考
• 2.3.7. FastText
  • 基本概念
  • 局限性
  • 与Word2Vec对比
  • Training models
  • 参考
• 2.3.8. LDA-Latent Dirichlet Allocation(潜在狄利克雷分配)
  • Ensemble LDA
  • LDA Model
  • 参考
• 2.3.9. overfitting&underfitting
  • 以决策树为例讲解
  • 参考
• 2.3.10. RAG
  • 简介
  • 知识图谱KG
  • 属性图谱PG
  • RAG
  • GraphRAG
  • Adaptive RAG
  • Corrective RAG
  • 参考
• 2.3.11. Agent
  • 优势
  • Planning
  • Relection and refinement
    • Relfexion
    • ReAct
  • Memory
    • sensory memory
    • short-term memory
    • long-term memory
  • Tools
    • Tool Use框架
    • Tool Use微调
  • 参考
• 2.3.12. LLM
  • 参考
• 2.3.13. Prompt Engineering
• 2.3.14. LLM调优(finetune)
  • PT (Pre-training)
  • SFT (Supervised Fine-Tuning)
  • RM (Reward Modeling)
  • PPO (Proximal Policy Optimization)
  • DPO (Direct Preference Optimization)
  • KTO (Knowledge Transfer Optimization)
• 2.3.15. Workflow
• 2.3.16. 通用
  • LLM-based auto-annotators
    • 核心概念详解
      • 1. 它要解决什么问题？
      • 2. 它是如何工作的？
      • 3. 为什么它如此重要？
    • 存在的挑战与局限性（也就是这篇论文的背景）
    • 总结
  • 反事实预测(Counterfactual Prediction)
    • 1. “事实”是什么？
    • 2. “反事实”是什么？
    • 3. 论文如何实现这个“反事实预测”？
    • 一个简单的比喻
    • 总结为什么论文里用这个词：
  • Elo 评分系统
    • 核心概念
    • 它是如何工作的？
      • 1. 核心组件：
      • 2. 核心流程：
    • 一个简单的例子
    • 在LLM评估中的应用（如LMSYS Chatbot Arena）
  • 逆强化学习（Inverse Reinforcement Learning）
    • 核心思想一句话概括
    • 为什么需要IRL？—— 动机
    • IRL的基本假设
    • IRL的核心问题与挑战
    • IRL的一般流程
    • 经典算法举例
    • IRL vs 模仿学习（Imitation Learning）
    • 应用领域
    • 总结

主页

索引

模块索引

搜索页面