柯里潮涌的头像 ID: 76006658399

柯里潮涌

HelloWorld 社区成员

0461916287

文章2
个人网站0
加入社区2025

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