Hugging Face Blog·· 2024-06-12AI 评分48
Hugging Face TRL 推出 RLOO Trainer，把强化学习重新带回 RLHF
Putting RL back in RLHF
AI 导读
Hugging Face 在 TRL 中推出 RLOO（REINFORCE Leave One-Out）Trainer，作为 PPO 之外的在线 RLHF 训练算法。
来源：Hugging Face Blog · huggingface.co
Putting RL back in RLHF
Hugging Face 在 TRL 中推出 RLOO（REINFORCE Leave One-Out）Trainer，作为 PPO 之外的在线 RLHF 训练算法。
来源：Hugging Face Blog · huggingface.co