メインコンテンツへスキップ
buildradar
Sign in

OpenLMLab/MOSS-RLHF

@OpenLMLab

大規模言語モデルにおける RLHF の秘密 パート1: PPO

スター
1,430
フォーク
103
言語
Python
ライセンス
Apache-2.0
最終プッシュ
3 年前
Pythonalignmentai-safetyrlhf

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。