会员
周边
众包
新闻
博问
闪存
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
高空降落
博客园
首页
新随笔
联系
订阅
管理
2023年9月13日
DPO Llama
摘要: 转:https://huggingface.co/blog/zh/dpo-trl 简介 基于人类反馈的强化学习 (Reinforcement Learning from Human Feedback,RLHF) 事实上已成为 GPT-4 或 Claude 等 LLM 训练的最后一步,它可以确保语言模
阅读全文
posted @ 2023-09-13 16:30 高空降落
阅读(59)
评论(0)
推荐(0)
编辑
公告