察元AI教程库 · 仓库 · 大模型

tiny-ppo教程

该项目提供了一个动手教程，介绍如何使用强化学习（RL）来通过近端策略优化（PPO）算法对大型语言模型（LLM）进行微调。该教程受到TinyZero仓库逻辑的启发，但进行了大幅简化，更适合教学。

作者:anshulsawant · 语言:en

前往原址学习

简介

该项目提供了一个动手教程，介绍如何使用强化学习（RL）来通过近端策略优化（PPO）算法对大型语言模型（LLM）进行微调。该教程受到TinyZero仓库逻辑的启发，但进行了大幅简化，更适合教学。

返回教程库 · 察元AI产品家族