RL4LMs

Определение

Библиотека для обучения с подкреплением языковых моделей, поддерживающая алгоритмы PPO и A2C.

Где встречается

• 334. Как вы делаете online RL для агентов (self-improvement loops)

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление