Hugging Face Blog·· 2024-06-12AI 评分53
Hugging Face 在 TRL 中发布 RLOO Trainer，为在线 RLHF 提供更轻量的 PPO 替代方案
Putting RL back in RLHF
AI 导读
Hugging Face 在 TRL 中推出 RLOO（REINFORCE Leave One-Out）在线 RLHF 训练器，作为 PPO 的替代方案。
来源：Hugging Face Blog · huggingface.co
Putting RL back in RLHF
Hugging Face 在 TRL 中推出 RLOO（REINFORCE Leave One-Out）在线 RLHF 训练器，作为 PPO 的替代方案。
来源：Hugging Face Blog · huggingface.co