正在加载...
请使用更现代的浏览器并启用 JavaScript 以获得最佳浏览体验。
加载论坛时出错，请强制刷新页面重试。
在RLHF中，如何训练一个高质量的RM模型？
Learner
在RLHF中如何训练一个高质量的奖励函数模型？有没有现有的一些资料，博客或者开源项目
ps： 这里奖励不仅仅是针对LLM领域的
Document
