2024年10月23日

HelpSteer2: Open-source dataset for training top-performing reward models
摘要： 提示词收集: shareGPT:只使用了英语, Berttopic聚类到1000类.我们每一类进行均匀抽样. 我们发现高质量的生成需要复杂的提示词. 微调: SFT, steerLM, rlhf, dpo. 阅读全文
posted @ 2024-10-23 23:30 张博的博客 阅读(3) 评论(0) 推荐(0) 编辑

导航