RLOO

書いてみる

関連タグ

#LLM (6,998)
#PPO (11)
#RAFT (61)
#RLHF (55)
#データセット (905)
#モデル (15,852)

Back to Basics: Revisiting REINFORCE Style Optimization for Learning from Human Feedback in LLMs

Ikemen Mas Kot
8か月前