Zum Inhalt springen

Sprache wählen

Aktuelle Sprache: Deutsch

RLHF

Source: https://github.com/opendilab/awesome-RLHF at 96acdd4571e7
License: Apache-2.0
Read the English original

This edition is an AI-assisted translation.

Awesome visitor badge GitHub stars GitHub forks GitHub license

Dies ist eine Sammlung von Forschungsarbeiten für **Reinforcement Learning mit menschlichem Feedback **RLHF. Und das Repository wird kontinuierlich aktualisiert, um die Grenze von RLHF.

Willkommen zu folgen und Star!

Die Idee von RLHF ist es, Methoden aus dem Reinforcement Learning zu verwenden, um ein Sprachmodell mit menschlichem Feedback direkt zu optimieren. RLHF Sprachmodelle können beginnen, ein auf einem allgemeinen Korpus von Textdaten trainiertes Modell an das von komplexen menschlichen Werten anzupassen.

  • RLHF für ein großes Sprachmodell ()LLM)

image info

  • RLHF für Videospiele (z.B.) Atari)

image info

(Der folgende Abschnitt wurde automatisch generiert von) ChatGPT)

RLHF Bezieht sich typischerweise auf “Reinforcement Learning mit menschlichem Feedback”. Reinforcement Learning (RL) ist eine Art maschinelles Lernen, bei dem ein Agent geschult wird, um Entscheidungen auf der Grundlage von Feedback aus seiner Umgebung zu treffen. In RLHFDer Agent erhält auch Feedback von Menschen in Form von Bewertungen oder Bewertungen seiner Handlungen, die ihm helfen können, schneller und genauer zu lernen.

RLHF ist ein aktiver Forschungsbereich der künstlichen Intelligenz mit Anwendungen in Bereichen wie Robotik, Gaming und personalisierten Empfehlungssystemen. Es versucht, die Herausforderungen von RL in Szenarien anzugehen, in denen der Agent nur begrenzten Zugang zu Feedback aus der Umwelt hat und menschlichen Input benötigt, um seine Leistung zu verbessern.

Reinforcement Learning mit menschlichem Feedback ()RLHF) ist ein sich schnell entwickelndes Forschungsgebiet für künstliche Intelligenz, und es gibt mehrere fortschrittliche Techniken, die entwickelt wurden, um die Leistung von RLHF Systeme. Hier einige Beispiele:

  • Inverse Reinforcement Learning (IRL): IRL Eine Technik, die es dem Agenten ermöglicht, eine Belohnungsfunktion aus menschlichem Feedback zu lernen, anstatt sich auf vordefinierte Belohnungsfunktionen zu verlassen. Dies ermöglicht es dem Agenten, aus komplexeren Feedbacksignalen zu lernen, wie z. B. Demonstrationen des gewünschten Verhaltens.

  • Apprenticeship LearningLehrlingsausbildung ist eine Technik, die kombiniert IRL mit überwachtem Lernen, damit der Agent sowohl von menschlichem Feedback als auch von Expertendemonstrationen lernen kann. Dies kann dem Agenten helfen, schneller und effektiver zu lernen, da er sowohl aus positivem als auch aus negativem Feedback lernen kann.

  • Interactive Machine Learning (IML): IML ist eine Technik, die eine aktive Interaktion zwischen dem Agenten und dem menschlichen Experten beinhaltet, so dass der Experte in Echtzeit Feedback zu den Handlungen des Agenten geben kann. Dies kann dem Agenten helfen, schneller und effizienter zu lernen, da er bei jedem Schritt des Lernprozesses Feedback zu seinen Aktionen erhalten kann.

  • Human-in-the-Loop Reinforcement Learning (HITLRL): HITLRL ist eine Technik, bei der menschliches Feedback auf mehreren Ebenen in den RL-Prozess integriert wird, z. B. Belohnungsgestaltung, Aktionsauswahl und Politikoptimierung. Dies kann dazu beitragen, die Effizienz und Effektivität der RLHF System durch die Nutzung der Stärken von Mensch und Maschine.

Hier sind einige Beispiele für Reinforcement Learning mit menschlichem Feedback:RLHF):

  • Game PlayingBeim Spielen kann menschliches Feedback dem Agenten helfen, Strategien und Taktiken zu lernen, die in verschiedenen Spielszenarien effektiv sind. Zum Beispiel können menschliche Experten im beliebten Spiel Go dem Agenten Feedback zu seinen Zügen geben und ihm helfen, sein Gameplay und seine Entscheidungsfindung zu verbessern.

  • Personalized Recommendation SystemsIn Empfehlungssystemen kann menschliches Feedback dem Agenten helfen, die Präferenzen einzelner Benutzer zu lernen, was es ermöglicht, personalisierte Empfehlungen zu geben. Zum Beispiel könnte der Agent Feedback von Benutzern zu empfohlenen Produkten verwenden, um zu erfahren, welche Funktionen für sie am wichtigsten sind.

  • RoboticsIn der Robotik kann menschliches Feedback dem Agenten helfen, auf sichere und effiziente Weise mit der physischen Umgebung zu interagieren. Zum Beispiel könnte ein Roboter lernen, schneller in einer neuen Umgebung zu navigieren, indem er von einem menschlichen Bediener Feedback erhält, auf welchem Weg er am besten gehen oder welche Objekte er vermeiden sollte.

  • EducationIn der Bildung kann menschliches Feedback dem Agenten helfen zu lernen, wie man Schüler effektiver unterrichtet. Zum Beispiel könnte ein KI-basierter Tutor Feedback von Lehrern verwenden, welche Unterrichtsstrategien mit verschiedenen Schülern am besten funktionieren, um die Lernerfahrung zu personalisieren.

Sie können auch Besuchen Sie diesen Link um ein AI-verbessertes Papierleseerlebnis zu erhalten.

format:
- [title](paper link) [links]
- author1, author2, and author3...
- publisher
- keyword
- code
- experiment environments and datasets
format:
- [title](codebase link) [links]
- author1, author2, and author3...
- keyword
- experiment environments, datasets or tasks
  • Reinforcement Learning from Human Feedback (RLHF) in Notebooks
    • Ashwani Kumar
    • step-by-step, Video tutorial, Jupyter notebooks, GPT-2, Reward Model, PPO, Pedagogical
    • Datensatz: stanfordnlp/sst2
    • Aufgabe: Text mit positiver Stimmung erzeugen
    • Umgebung: Google Colab
  • veRL: Volcano Engine Reinforcement Learning for LLM
    • ByteDance Seed MLSys Team & HKU: Guangming Sheng, Chi Zhang, Zilingfeng Ye, Xibin Wu, Wang Zhang, Ru Zhang, Yanghua Peng, Haibin Lin, Chuan Wu
    • Stichwort: Flexible, Efficient, RLHF framework
    • Aufgaben: RLHF, Reasoning Aufgaben einschließlich Mathematik und code.
  • OpenRLHF
    • OpenRLHF
    • Stichwort: 70B, RLHF, DeepSpeed, Ray, vLLM
    • Aufgabe: Eine einfach zu bedienende, skalierbare und leistungsstarke RLHF Framework (Support 70B+ Full Tuning & LoRA & Mixtral & KTO).
  • Potato
    • David Jurgens et al.
    • Stichwort: Annotation, Human Evaluation, Quality Control, AI-Assisted Labeling
    • Aufgabe: Portable Annotation Plattform für menschliche Auswertung und Feedback-Sammlung mit 20+ Annotationstypen und Agent Trace Evaluation
  • PaLM + RLHF - Pytorch
    • Phil Wang, Yachine Zahidi, Ikko Eltociear Ashimine, Eric Alcaide
    • Stichwort: Transformers, PaLM architecture
    • Datensatz: enwik8
  • lm-human-preferences
    • Daniel M. Ziegler, Nisan Stiennon, Jeffrey Wu, Tom B. Brown, Alec Radford, Dario Amodei, Paul Christiano, Geoffrey Irving
    • Stichwort: Reward learning for language, Continuing text with positive sentiment, Summary task, Physical descriptive
    • Datensatz: TL;DR, CNN/DM
  • following-instructions-human-feedback
    • Long Ouyang, Jeff Wu, Xu Jiang, et al.
    • Stichwort: Large Language Model, Align Language Model with Human Intent
    • Datensatz: TruthfulQA RealToxicityPrompts
  • Transformer Reinforcement Learning (TRL)
    • Leandro von Werra, Younes Belkada, Lewis Tunstall, et al.
    • Stichwort: Train LLM with RL, PPO, Transformer
    • Aufgabe: IMDB sentiment
  • Transformer Reinforcement Learning X (TRLX)
    • Jonathan Tow, Leandro von Werra, et al.
    • Stichwort: Distributed training framework, T5-based language models, Train LLM with RL, PPO, ILQL
    • Aufgabe: Feinabstimmung LLM mit RL unter Verwendung der bereitgestellten Belohnungsfunktion oder des mit Belohnung gekennzeichneten Datensatzes
  • RL4LMs (A modular RL library to fine-tune language models to human preferences)
  • LaMDA-rlhf-pytorch
    • Phil Wang
    • Stichwort: LaMDA, Attention-mechanism
    • Aufgabe: Open-Source-Vorschulungsimplementierung von Googles LaMDA-Forschungspapier in PyTorch
  • TextRL
    • Eric Lam
    • Stichwort: huggingface’s transformer
    • Aufgabe: Textgenerierung
    • Umgebung: PFRL, gym
  • minRLHF
    • Thomfoster
    • Stichwort: PPO, Minimal library
    • Aufgabe: Bildungszwecke
  • DeepSpeed-Chat
    • Microsoft
    • Stichwort: Affordable RLHF Training
  • Dromedary
    • IBM
    • Stichwort: Minimal human supervision, Self-aligned
    • Aufgabe: Selbstjustiertes Sprachmodell mit minimaler menschlicher Aufsicht trainiert
  • FG-RLHF
    • Zeqiu Wu, Yushi Hu, Weijia Shi, et al.
    • Stichwort: Fine-Grained RLHF, providing a reward after every segment, Incorporating multiple RMs associated with different feedback types
    • Aufgabe: Ein Framework, das Training und Lernen aus Belohnungsfunktionen ermöglicht, die in Dichte und mehreren RMs feinkörnig sind -Safe-RLHF
    • Xuehai Pan, Ruiyang Sun, Jiaming Ji, et al.
    • Stichwort: Support popular pre-trained models, Large human-labeled dataset, Multi-scale metrics for safety constraints verification, Customized parameters
    • Aufgabe: Beschränkter Value-Aligned LLM Über Safe RLHF
  • VinePPO
    • Amirhossein Kazemnejad, Milad Aghajohari, et al.
    • Stichwort: Performant Implementation of RL algorithms for Reasoning, PPO, DPO, RestEM, Monte Carlo Value Estimation
    • Aufgabe: Entscheidungsaufgaben einschließlich MATH und GSM8K
format:
- [title](dataset link) [links]
- author1, author2, and author3...
- keyword
- experiment environments or tasks
  • HH-RLHF
    • Ben Mann, Deep Ganguli
    • Stichwort: Human preference dataset, Red teaming data, machine-written
    • Aufgabe: Open-Source-Datensatz für menschliche Präferenzdaten über Hilfsbereitschaft und Harmlosigkeit
  • Stanford Human Preferences Dataset(SHP)
    • Ethayarajh, Kawin and Zhang, Heidi and Wang, Yizhong and Jurafsky, Dan
    • Stichwort: Naturally occurring and human-written dataset,18 different subject areas
    • Aufgabe: Für die Ausbildung vorgesehene Verwendung RLHF Belohnungsmodelle
  • PromptSource
    • Stephen H. Bach, Victor Sanh, Zheng-Xin Yong et al.
    • Stichwort: Prompted English datasets, Mapping a data example into natural language
    • Aufgabe: Toolkit zum Erstellen, Teilen und Verwenden natürlicher Sprachaufforderungen
  • Structured Knowledge Grounding(SKG) Resources Collections
    • Tianbao Xie, Chen Henry Wu, Peng Shi et al.
    • Stichwort: Structured Knowledge Grounding
    • Aufgabe: Sammlung von Datensätzen bezieht sich auf strukturierte Wissensgrundlagen
  • The Flan Collection
    • Longpre Shayne, Hou Le, Vu Tu et al.
    • Aufgabe: Collection stellt Datensätze aus Flan 2021, P3, Super-Natural Instructions zusammen
  • rlhf-reward-datasets
    • Yiting Xie
    • Stichwort: Machine-written dataset
  • webgpt_comparisons
    • OpenAI
    • Stichwort: Human-written dataset, Long form question answering
    • Aufgabe: Trainieren Sie ein langes Formular-Fragebeantwortungsmodell, um sich an menschlichen Präferenzen auszurichten
  • summarize_from_feedback
    • OpenAI
    • Stichwort: Human-written dataset, summarization
    • Aufgabe: Trainieren Sie ein Zusammenfassungsmodell, um sich an menschlichen Präferenzen auszurichten
  • Dahoas/synthetic-instruct-gptj-pairwise
    • Dahoas
    • Stichwort: Human-written dataset, synthetic dataset
  • Stable Alignment - Alignment Learning in Social Games
    • Ruibo Liu, Ruixin (Ray) Yang, Qiang Peng
    • Stichwort: Interaction data used for alignment training, Run in Sandbox
    • Aufgabe: Trainiere die aufgezeichneten Interaktionsdaten in simulierten Social Games
  • LIMA
    • Meta AI
    • Stichwort: without any RLHF, few carefully curated prompts and responses
    • Aufgabe: Datensatz für das Training des LIMA-Modells

Turkish

Unser Ziel ist es, dieses Repo noch besser zu machen. Wenn Sie daran interessiert sind, einen Beitrag zu leisten, beziehen Sie sich bitte auf HERE für Weisungen im Beitrag.

Awesome RLHF ist unter der Apache 2.0 Lizenz freigegeben.

HagiCode

HagiCode ist ein agentischer Coding-Arbeitsplatz. Vielseitige, komfortable Interaktionen in der Benutzeroberfläche machen Planung, Agent-Ausführung und Projektarbeit zugänglich und leicht nachvollziehbar – für ein ansprechendes Entwicklungserlebnis.

Entdecken Sie ein ansprechendes Entwicklungserlebnis mit vielseitigen, komfortablen Interaktionen in der Benutzeroberfläche.

HagiCode besuchenDokumentation lesen
  • IntelligentOpenSpec-Workflows machen aus einer Absicht einen umsetzbaren Weg vom Vorschlag über Design und Aufgaben bis zur Auslieferung.
  • EffizientMulti-Agent-Ausführung führt Recherche, Umsetzung und Prüfung parallel aus, über mehrere Repositories und die Agent CLIs, die Sie bereits nutzen.
  • InteressantVielseitige, komfortable Interaktionen in der Benutzeroberfläche machen Planung, Agent-Ausführung und Projektarbeit zugänglich und leicht nachvollziehbar.

Für Windows herunterladen

Im Microsoft Store erhaltenAlle Downloads

Aus Ideen wird ausgelieferte Software.

HagiCode ist ein agentischer Coding-Arbeitsplatz: OpenSpec-Workflows planen die Änderung, Multi-Agent-Ausführung setzt sie um, und Hero Scenario macht den langen Weg sichtbar, bis aus der Idee ausgelieferte Software wird.

Intelligent
OpenSpec-Workflows machen aus einer Absicht einen Weg vom Vorschlag bis zur Auslieferung.
Effizient
Multi-Agent-Ausführung treibt Recherche, Umsetzung und Prüfung parallel voran.
Unterhaltsam
UI-Interaktionen erleichtern Planung, Agent-Ausführung und Projektarbeit.

Awesome Site verlassen?

Du bist dabei, eine externe Website aufzurufen. Wir haben keine Kontrolle über deren Inhalte oder Datenschutzpraktiken.

Ziel

Zur Website wechseln