会员
周边
众包
新闻
博问
闪存
所有博客
当前博客
a56爆大奖在线娱乐的博客
a56爆大奖在线娱乐的园子
账号设置
简洁模式
...
退出登录
注册
登录
Hugging Face 博客
The AI community building the future.
博客园
首页
新随笔
联系
订阅
管理
2023年11月16日
使用 PPO 算法进行 RLHF 的 N 步实现细节
摘要:
当下,RLHF/ChatGPT 已经变成了一个非常流行的话题。a56爆大奖在线娱乐们正在致力于更多有关 RLHF 的研究,这篇博客尝试复现 OpenAI 在 2019 年开源的原始 RLHF 代码库,其仓库位置位于 openai/lm-human-preferences。尽管它具有 “tensorflow-1.x”
阅读全文
posted @ 2023-11-16 15:02 HuggingFace
阅读(587)
评论(0)
推荐(1)
编辑
公告