uclaml/SPPO

A implementação oficial do Self-Play Preference Optimization (SPPO)

↗ Abrir no GitHub

Estrelas

589

Bifurcações

48

Linguagem

Python

Licença

Apache-2.0

Último push

há 2 anos

Python deep-learning large-language-models fine-tuning rlhf self-play

Ainda não há intel relacionado

Este repo ainda não apareceu em nenhuma das fontes que o radar rastreia. O coletor roda em um cronograma — volte quando ele cobrir este repo.