Longlong's Blog
blog.xlonglong.cn
前言 上一次了解了RL中的PPO算法，这次我们去debug一个LLM训练框架的PPO算法是如何实现的，我们以h […] <p>The post RLHF中的PPO算法——TRL库的PPOTrainer源码分析 first appeared on Longlong's Blog .</p>…
前言 上一次了解了RL中的PPO算法，这次我们去debug一个LLM训练框架的PPO算法是如何实现的，我们以h […] <p>The post RLHF中的PPO算法——TRL库的PPOTrainer源码分析 first appeared on Longlong's Blog .</p>…
讨论
登录后参与讨论
还没有评论，来说第一句吧。