跳到内容

晚上好,辛苦一天了,放松一下吧。

OpenRLHF:把 RLHF 训练从一堆脚本里拎出来

想跑一轮 PPO 或 GRPO,往往要先在训练框架、推理…

Welcome! This site is in Chinese. Tap EN in the top bar to read in English.