2023年11月16日
使用 PPO 算法进行 RLHF 的 N 步实现细节
摘要： 使用 PPO 算法进行 RLHF 的 N 步实现细节 当下，RLHF/ChatGPT 已经变成了一个非常流行的话题。我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(743) 评论(0) 推荐(1) 编辑