GitHub · 去对齐工具与仓库·· 2 天前AI 评分24
Mattral 开源 rlpost：语言模型后训练（SFT、奖励模型、PPO、DPO）代码仓库
Mattral/rlpost
来源与原文
GitHub · 去对齐工具与仓库
发布时间：（北京时间）
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/Mattral/rlpost
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
Mattral 在 GitHub 开源 rlpost 仓库，覆盖语言模型后训练的 SFT、奖励模型、PPO 和 DPO 实现，前身为 Improving-LLM-Models-with-RLHF-PPO-DPO。CPU 单测在 Python 3.12、torch 2.15.0+cpu 下收集 80 个测试，69 通过、11 个 DPO/PPO 测试失败；DPO 损失与 TRL 1.17.1 在 CPU 上对齐至 1e-6 内。仓库采用 Apache License 2.0，toy 模式使用 distilgpt2 与 Anthropic/hh-rlhf 的 1,000 行子集，训练循环尚未完全接通。
来源：GitHub · 去对齐工具与仓库 · github.com
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。