KunH's Blog

Hi, welcome to my blog😊

Reinforcement Learning (RL) algorithms for LLM alignment with human preferences: RL from Human Feedback (RLHF) and Directed Preference Optimization (DPO).

This note is based on MIT 18.06📒

RL foundations and Proximal Policy Optimization (PPO) Algorithm

Based on PPO by RethinkFun📒

This note is based on MIT 18.06📒

Python支持类的多继承，通过super()方法实现对不同父类的访问。

Git系列学习笔记基于尚硅谷Git及Github教程📒

介绍Git本地库操作，冲突处理，远程库操作；Git跨团队协作以及SSH密钥。

Git系列学习笔记基于尚硅谷Git及Github教程📒

介绍Git基本结构，Git版本管理及分支管理原理。

ML系列学习笔记基于吴恩达教授的斯坦福CS229 2018课程📒

本文扩展了线性回归模型：引入局部权重回归以及第一个分类模型——逻辑斯特回归；证明为什么使用最小平方误差作为优化目标；介绍一种新的参数优化方法——牛顿法。

ML系列学习笔记基于吴恩达教授的斯坦福CS229 2018课程📒

本文介绍首个模型——线性回归，展示机器学习基本步骤；回顾（预习）线性代数相关知识，并基于几何角度重新理解线性回归中的模型参数估计过程。