CarperAI/trlx

人間からのフィードバックによる強化学習 (RLHF) を用いた言語モデルの分散学習のためのリポジトリ

↗ GitHub で開く

スター

4,754

フォーク

486

言語

Python

ライセンス

MIT

最終プッシュ

3 年前

Python machine-learning pytorch reinforcement-learning

関連 Intel はまだありません

このリポジトリは radar が追跡するソースにまだ登場していません。コレクターはスケジュールで動いています——このリポジトリがカバーされたらまた見てください。