RLOO

書いてみる

関連タグ

#LLM (4,482)
#PPO (9)
#RAFT (59)
#RLHF (37)
#データセット (827)
#モデル (12,399)

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

Ikemen Mas Kot
1か月前