uclaml/SPPO

自我博弈偏好优化 (SPPO) 的官方实现

↗ 在 GitHub 打开

星数

589

Fork 数

48

语言

Python

许可

Apache-2.0

最后推送

2年前

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

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。