- Qwen2.5-VL
def _preprocess(
self,
images: Union[ImageInput, VideoInput],
...Qwen2.5-VL:图片处理成token
186 views
分类目录归档：大模型-llm
DPO、PPO和GRPO的伪代码loss计算
446 views
1.1 PPO 的关键角色
- 策略（LLM）：我们正在训练的 LLM，用于生成更好的文本。
- 奖励模型：根据人类偏好对文本打分的 AI 裁判。
- 价值函数（辅助教练）：另一个 AI 模型，充当“辅助...