技术栈
奖励模型
阿杰学AI
15 小时前
人工智能
·
ai
·
语言模型
·
aigc
·
奖励模型
·
rm
·
reward model
AI核心知识43——大语言模型之RM（简洁且通俗易懂版）
奖励模型（Reward Model，简称 RM） 是大语言模型在 RLHF（基于人类反馈的强化学习） 阶段中不可或缺的一个组件。
汀、人工智能
2 年前
人工智能
·
语言模型
·
自然语言处理
·
llm
·
强化学习
·
奖励模型
·
深度强化学习
精进语言模型：探索LLM Training微调与奖励模型技术的新途径
LLMs Trainer 是一个旨在帮助人们从零开始训练大模型的仓库，该仓库最早参考自 Open-Llama，并在其基础上进行扩充。
我是有底线的