Hugging Face Blog·· 2024-06-12AI 评分57
Hugging Face 在 TRL 中推出 RLOO Trainer 作为 PPO 的替代方案
Putting RL back in RLHF
AI 导读
Hugging Face 在 TRL 中引入 RLOO（REINFORCE Leave One-Out）Trainer，作为 PPO 之外更易实现的在线 RLHF 训练算法。
来源：Hugging Face Blog · huggingface.co
Hugging Face 在 TRL 中推出 RLOO Trainer 作为 PPO 的替代方案