会员
周边
众包
新闻
博问
闪存
赞助商
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
黄世宇@智谱AI,OpenRL Lab负责人,强化学习,LLM,通用人工智能
[
OpenRL
][
知乎
][
GitHub
][
Linkedin
]
如果你对人工智能前沿感兴趣,欢迎联系并加入我们!
博客园
首页
新随笔
联系
管理
2023年3月10日
reward model learning papers
摘要: 1. Fine-Tuning Language Models from Human Preferences reward model:774M参数量的GPT-2,先进行了有监督训练 训练loss: 其中r(x,y)代表reward model,x代表输入或者prompt,y代表输出或者reponse
阅读全文
posted @ 2023-03-10 14:51 Shiyu_Huang
阅读(314)
评论(0)
推荐(0)
编辑