Inicio Proyectos LLM-RL-Visualized
LLM-RL-Visualized
Python

LLM-RL-Visualized

🌟100+ 原创 LLM / RL 原理图📚,《大模型算法》作者巨献!💥(100+ LLM/RL Algorithm Maps )

por changyeyu · GitHub
Estrellas
Ramas
Tendencias
Creado
Último commit
Categoría
Lenguaje
aialgorithmdeep-learningPython
Ver en GitHub
En palabras simples

Explora más de 100 diagramas que explican modelos grandes y conceptos de aprendizaje por refuerzo.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
LLM-RL-Visualized — GitHub preview card
📈 Historial de estrellas
4.8k4.6k
2026-07-072026-08-31
📈 Sigue LLM-RL-Visualized

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

🌟100+ 原创 LLM / RL 原理图📚,《大模型算法》作者巨献!💥(100+ LLM/RL Algorithm Maps )

LLM-RL-Visualized tiene 4.8k estrellas en GitHub. Se ha bifurcado 464 veces. LLM-RL-Visualized está escrito principalmente en Python. Se desarrolla activamente desde 2025. Sus temas principales son: ai, algorithm, deep-learning, llm.

Frequently asked questions

¿Qué es LLM-RL-Visualized?

🌟100+ 原创 LLM / RL 原理图📚,《大模型算法》作者巨献!💥(100+ LLM/RL Algorithm Maps )

¿LLM-RL-Visualized es de código abierto?

LLM-RL-Visualized es un proyecto de código abierto.

¿LLM-RL-Visualized es gratis?

Sí. LLM-RL-Visualized es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿En qué lenguaje está escrito LLM-RL-Visualized?

LLM-RL-Visualized está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — LLM-RL-Visualized

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=changyeyu-llm-rl-visualized)](https://olud.ai/project/changyeyu-llm-rl-visualized.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.