使用 PPO 算法进行 RLHF 的 N 步实现细节
当下,RLHF/ChatGPT已经变成了一个非常流行的话题。我们正在致力于更多有关RLHF的研究,这篇博客尝试复现OpenAI在2019年开源的原始RLHF代码库,其仓库位置位于_openai/lmhumanpreferences_(https://link.segmen
当下,RLHF/ChatGPT已经变成了一个非常流行的话题。我们正在致力于更多有关RLHF的研究,这篇博客尝试复现OpenAI在2019年开源的原始RLHF代码库,其仓库位置位于_openai/lmhumanpreferences_(https://link.segmen
一.安装参考官方文档(https://link.segmentfault.com/?encagzAGHBm9tCSos%2FDFC53Tg%3D%3D.GEMUHuCt13EmSAUx2CjX8OC9a0OR6rctYhGXVbt2i%2BSX%2F2ssB3eoFeflsbL