本仓库是对大规模语言模型：从理论到实践一书第六章强化学习部分的内容讲解。包括介绍强化学习基本概念的示例代码和对应的PPT。
概念涉及强化学习中的Q-learning、DQN，策略梯度，广义优势估计，重要性采样，近端策略优化等。
参考书目包括：
- 大规模语言模型：从理论到实践
- 动手学强化学习
- 蘑菇书EasyRL
- Secrets of RLHF in Large Language Models Part I: PPO
- Proximal Policy Optimization Algorithms
- Learning to summarize from human feedback
参考博客