RLHFlow/Online-RLHF

在线 RLHF 与在线迭代式 DPO 的实现配方。

↗ 在 GitHub 打开

星数

545

Fork 数

48

语言

Python

许可

—

最后推送

2年前

Python llm llama3 rlhf

还没有相关情报

radar 追踪的来源里还没有出现过这个 repo。收集器按计划运行——等它覆盖到这个 repo 再回来看看。