voidful/TextRL

Hugging Face の transformer 内の任意の生成モデル（bloomz-176B/bloom/gpt/bart/T5/MetaICL）における ChatGPT RLHF（人間フィードバックによる強化学習）の実装

↗ GitHub で開く

スター

564

フォーク

61

言語

Python

ライセンス

MIT

最終プッシュ

4 か月前

Python language-model pytorch chatgpt reinforcement-learning nlp gpt-3 rlhf gpt-2 controlled-nlg nlg

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。