chrisliu298/awesome-on-policy-distillation

大規模言語モデルのオンポリシー蒸留（OPD）に関する論文、テクニカルレポート、フレームワーク、ツールの厳選コレクション。

↗ GitHub で開く

スター

812

フォーク

32

言語

—

ライセンス

CC0-1.0

最終プッシュ

2 週間前

awesome awesome-list llm rl reinforcement-learning post-training knowledge-distillation on-policy-distillation opd rlhf speculative-decoding llm-training distillation gkd llm-distillation minillm self-distillation

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。