sail-sg/oat

🌾 OAT：強化学習や好みの学習などを含む、LLMオンラインアライメント向けの研究しやすいフレームワーク。

↗ GitHub で開く

スター

669

フォーク

63

言語

Python

ライセンス

Apache-2.0

最終プッシュ

7 か月前

Python llm alignment reasoning rlhf ppo distributed-training grpo dpo r1-zero distributed-rl dueling-bandits llm-aligment llm-exploration online-alignment online-rl thompson-sampling

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。