跳到正文
我的
热点事件观察中

Mattral 开源 rlpost 后训练仓库，CPU 实测 80 测试中 11 个失败

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

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。作者同时给出实测状态：CPU 单测收集 80 个测试，69 通过、11 个失败，失败集中在 DPO 和 PPO 测试；目前仅有 CPU 单测，尚无 GPU 基准。 仓库采用 Apache License 2.0，toy 模式使用 distilgpt2 与 Anthropic/hh-rlhf 的 1,000 行子集；DPO 损失与 TRL 1.17.1 在 CPU 上对齐至 1e-6 内，但训练循环尚未完全接通。

AI 根据报道生成 · 2 天前更新

最新进展11月4日 12:40
Mattral 开源 rlpost：语言模型后训练（SFT、奖励模型、PPO、DPO）代码仓库

报道时间线

沿着报道，了解事件的不同侧面。

11月4日
  1. GitHub · 去对齐工具与仓库
    Mattral 开源 rlpost：语言模型后训练（SFT、奖励模型、PPO、DPO）代码仓库

    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。

本事件热度走势

可比范围当前
3
可比范围峰值
711月5日 02:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。