jweihe/RLHF-book-Chinese
RLHF中文手册 - 详细解析RLHF全流程优化阶段，涵盖指令调优、奖励模型训练，以及拒绝采样、强化学习和直接对齐算法等关键技术。
正在读取项目信息…
开源雷达国内 GitHub 镜像站
加速通道已就绪
返回列表
开源雷达国内 GitHub 镜像站
RLHF中文手册 - 详细解析RLHF全流程优化阶段，涵盖指令调优、奖励模型训练，以及拒绝采样、强化学习和直接对齐算法等关键技术。