TECH BLOG
ブログ
#強化学習
-
trlを使って日本語LLMをSFTからRLHFまで一通り学習させてみる
こんにちはAIチームの戸田です 今回は日本語LLMのOpenCALMの7Bモデル…
2023.07.21 Research -
Decision Transformer 精度向上実験③ 〜return-to-go lossの検証〜
こんにちはAIチームの戸田です 本記事ではオフライン強化学習手法の一つであるDe…
2023.06.16 Research -
Decision Transformer 精度向上実験② 〜複数環境でのstate lossの検証〜
こんにちはAIチームの戸田です 本記事ではオフライン強化学習手法の一つであるDe…
2023.05.19 Research -
Decision Transformer 精度向上実験① 〜state lossの有効性についての検証〜
こんにちはAIチームの戸田です 本記事ではオフライン強化学習手法の一つであるDe…
2023.04.11 Research -
trlxを用いた文書生成モデルの学習②~PPO編~
こんにちはAIチームの戸田です 前回に続き、最近話題のChatGPTの学習に使わ…
2023.03.06 Research -
trlxを用いた文書生成モデルの学習①~ILQL編~
こんにちはAIチームの戸田です 今回は最近話題のChatGPTの学習に使われてい…
2023.02.28 Research -
強化学習による対話エージェントのPolicyモデルの学習(後編)
こんにちは AIチームの戸田です。 前回に引き続き、タスク指向対話の開発ツールキ…
2022.11.14
PICK UP
TAG
- A/Bテスト（1）
- Advent Calendar（21）
- Advent Calendar 2021（17）
- Advent Calendar 2023（25）
- adversarial training（1）
- AI（5）
- API（1）
- API Gateway（1）
- architecture（2）
- Argo Workflows（2）
- ArgoCD（1）
- Audio（1）
- Azure（1）
- BigQuery（3）
- Bigtable（1）
- Bun（2）
- CA BASE NEXT（1）
- causal inference（1）
- Chart（1）
- ChatGPT（2）
- Chrome（1）
- CI/CD（1）
- Cloud Endpoints（1）
- Cloud Run（1）
- Container Apps（1）
- Data Visualization（6）
- Deep Learning（27）
- Deno（1）
- DialogFlow（4）
- Elasticsearch（2）
- Elixir（1）
- EM（1）
- FAQ検索（5）
- few-shot learning（1）
- Firebase（2）
- Firestore（3）
- Frontend（7）
- GAS（1）
- GCP（8）
- GitHub Actions（2）
- GKE（4）
- Golang（4）
- Google Colab（1）
- gRPC（2）
- HLS（1）
- Hono（1）
- huggingface（1）
- JavaScript（2）
- JavaScript Core（1）
- JIT（1）
- Kaggle（20）
- LightGBM（1）
- LLM（16）
- LocalFirst（1）
- machine learning（1）
- MLOps（3）
- Monitoring（1）
- Next.js（1）
- Node（1）
- OpenAI（2）
- ORM（1）
- PdM（2）
- Phoenix（1）
- PMM（1）
- Product（1）
- Prometheus（1）
- Prompt-tuning（1）
- python（9）
- RAG（3）
- React（4）
- React.js（1）
- Research（2）
- RLHF（2）
- RPA（1）
- Server component（1）
- SIP（1）
- SQL（2）
- SQLBoiler（1）
- Tableau（11）
- Terraform Cloud（1）
- TPU（1）
- Transformer（14）
- treatment assignment（1）
- treatment effect estimation（1）
- TypeScript（2）
- V8（1）
- voicebot（1）
- WebKit（1）
- WebSocket（1）
- WebWorker（1）
- XGBoost（1）
- Zig（1）
- インターン（7）
- インフラ（1）
- お知らせ（1）
- コンペティション（2）
- タスク指向対話（9）
- データアナリスト（7）
- フロントエンド（1）
- ベイズ推定（2）
- ボイスボット（1）
- マルチモーダル（1）
- 予測モデル（1）
- 信号処理（8）
- 内定者バイト（2）
- 効果検証（1）
- 参加報告（19）
- 大規模言語モデル（1）
- 学会発表（3）
- 対話（9）
- 強化学習（7）
- 感情分類（1）
- 振り返り（1）
- 数学（2）
- 機械学習（13）
- 測度論（2）
- 異常検知（1）
- 発表報告（19）
- 発話区間検出（1）
- 終話判定（2）
- 統計（1）
- 自然言語処理(NLP)（97）
- 話者ダイアライゼーション（1）
- 話者交代（2）
- 論文調査（1）
- 量子化（1）
- 音声処理（19）
- 音声区間検出（4）
- 音声合成（1）
- 音声言語理解(SLU)（5）
- 音声認識（23）