tomorrowisanotherday / deep-rl-collection Goto Github PK

前百度强化学习方向负责人，在文心一言模型组负责RLHF技术研发。

团队除了支持公司内外的业务之外，还深耕前沿技术，开展的工作线条包括但不限于：

• 高性能RL并行框架PARL的研发（https://github.com/PaddlePaddle/PARL, 3.2k star)
• 参与业内的国际RL赛事（我们团队已经连续三年在NeurIPS RL 赛事中拿下冠军名次了）
• 学术论文的投稿
• 机器人控制（自动驾驶&无人机、四足机械狗控制）

公司内业务支持包括超大规模LLM对齐、信息流推荐、搜索引擎、百度地图、广告排序、百度智能云（能源调度、信号灯控制）等。