| license: apache-2.0 | |
| datasets: mdb | |
| language: English | |
| 为了实现InstructGPT的SFT-RW-PPO | |
| 此repo采用GPT2作为SFT模型，经过GPT2生成的文字再经过DistilBERT加以评估取生成positive的分数，再经过PPO优化 |
| license: apache-2.0 | |
| datasets: mdb | |
| language: English | |
| 为了实现InstructGPT的SFT-RW-PPO | |
| 此repo采用GPT2作为SFT模型，经过GPT2生成的文字再经过DistilBERT加以评估取生成positive的分数，再经过PPO优化 |