Aller au contenu

Selectionner la langue

Langue actuelle: Français

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

Il s’agit d’une collection de documents de recherche pour Renforcer l’apprentissage avec la rétroaction humaine (RLHF) . Et le dépôt sera continuellement mis à jour pour suivre la frontière de RLHF.

Bienvenue à suivre et étoile!

L’idée de RLHF est d’utiliser des méthodes de renforcement de l’apprentissage pour optimiser directement un modèle de langue avec la rétroaction humaine. RLHF a permis aux modèles linguistiques de commencer à aligner un modèle formé sur un corpus général de données textuelles sur celui de valeurs humaines complexes.

  • RLHF pour le modèle de grande langue (LLM)

image info

  • RLHF pour le jeu vidéo (p. ex. Atari)

image info

(La section suivante a été générée automatiquement par ChatGPT)

RLHF Il s’agit généralement de « l’apprentissage du renforcement par la rétroaction humaine ». Le renforcement de l’apprentissage (RL) est un type d’apprentissage automatique qui consiste à former un agent à prendre des décisions en fonction de la rétroaction de son environnement. En RLHF, l’agent reçoit également des commentaires des humains sous forme de notations ou d’évaluations de ses actions, ce qui peut l’aider à apprendre plus rapidement et avec précision.

RLHF est un domaine de recherche actif en intelligence artificielle, avec des applications dans des domaines tels que la robotique, le jeu et les systèmes de recommandation personnalisés. Il vise à relever les défis de la RL dans des scénarios où l’agent a un accès limité à la rétroaction de l’environnement et a besoin d’une contribution humaine pour améliorer son rendement.

Renforcer l’apprentissage avec la rétroaction humaine (RLHF) est un domaine en développement rapide de la recherche en intelligence artificielle, et il existe plusieurs techniques avancées qui ont été développées pour améliorer la performance de RLHF systèmes. Voici quelques exemples :

  • Inverse Reinforcement Learning (IRL): IRL est une technique qui permet à l’agent d’apprendre une fonction de récompense à partir de la rétroaction humaine, plutôt que de compter sur des fonctions de récompense prédéfinies. Cela permet à l’agent d’apprendre de signaux de rétroaction plus complexes, comme des démonstrations de comportement souhaité.

  • Apprenticeship Learning: L’apprentissage est une technique qui combine IRL avec un apprentissage supervisé pour permettre à l’agent d’apprendre à la fois de la rétroaction humaine et des démonstrations d’experts. Cela peut aider l’agent à apprendre plus rapidement et plus efficacement, car il est en mesure d’apprendre de la rétroaction positive et négative.

  • Interactive Machine Learning (IML): IML est une technique qui implique une interaction active entre l’agent et l’expert humain, permettant à l’expert de fournir une rétroaction sur les actions de l’agent en temps réel. Cela peut aider l’agent à apprendre plus rapidement et plus efficacement, car il peut recevoir des commentaires sur ses actions à chaque étape du processus d’apprentissage.

  • Human-in-the-Loop Reinforcement Learning (HITLRL): HITLRL est une technique qui implique l’intégration de la rétroaction humaine dans le processus RL à de multiples niveaux, tels que le façonnage des récompenses, la sélection des actions et l’optimisation des politiques. Cela peut aider à améliorer l’efficience et l’efficacité de la RLHF en tirant parti des forces des humains et des machines.

Voici quelques exemples de renforcement de l’apprentissage avec la rétroaction humaine (RLHF):

  • Game Playing: Dans le jeu, la rétroaction humaine peut aider l’agent à apprendre des stratégies et des tactiques qui sont efficaces dans différents scénarios de jeu. Par exemple, dans le jeu populaire de Go, les experts humains peuvent fournir des commentaires à l’agent sur ses mouvements, l’aider à améliorer son gameplay et la prise de décision.

  • Personalized Recommendation Systems: Dans les systèmes de recommandation, la rétroaction humaine peut aider l’agent à apprendre les préférences des utilisateurs individuels, ce qui permet de fournir des recommandations personnalisées. Par exemple, l’agent pourrait utiliser la rétroaction des utilisateurs sur les produits recommandés pour apprendre quelles caractéristiques sont les plus importantes pour eux.

  • RoboticsEn robotique, la rétroaction humaine peut aider l’agent à apprendre à interagir avec l’environnement physique de manière sûre et efficace. Par exemple, un robot pourrait apprendre à naviguer plus rapidement dans un nouvel environnement avec la rétroaction d’un opérateur humain sur la meilleure voie à suivre ou sur les objets à éviter.

  • Education: Dans l’éducation, la rétroaction humaine peut aider l’agent à apprendre à enseigner plus efficacement aux étudiants. Par exemple, un tuteur basé sur l’IA pourrait utiliser les commentaires des enseignants sur les stratégies d’enseignement qui fonctionnent le mieux avec différents élèves, aidant à personnaliser l’expérience d’apprentissage.

Vous pouvez aussi Visitez ce lien pour obtenir une expérience de lecture de papier améliorée par l’IA.

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
    • Jeu de données: stanfordnlp/sst2
    • Tâche: Générer du texte avec un sentiment positif
    • Environnement: 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
    • Mot-clé: Flexible, Efficient, RLHF framework
    • Tâches: RLHF, les tâches de raisonnement, y compris les mathématiques et code.
  • OpenRLHF
    • OpenRLHF
    • Mot-clé: 70B, RLHF, DeepSpeed, Ray, vLLM
    • Tâche: Une utilisation facile, évolutive et performante RLHF Framework (Support 70B+ réglage complet & LoRA & Mixtral & KTO).
  • Potato
    • David Jurgens et al.
    • Mot-clé: Annotation, Human Evaluation, Quality Control, AI-Assisted Labeling
    • Tâche: Plate-forme d’annotation portative pour l’évaluation humaine et la collecte de rétroaction avec 20 types d’annotation et l’évaluation des traces d’agents
  • PaLM + RLHF - Pytorch
    • Phil Wang, Yachine Zahidi, Ikko Eltociear Ashimine, Eric Alcaide
    • Mot-clé: Transformers, PaLM architecture
    • Jeu de données: enwik8
  • lm-human-preferences
    • Daniel M. Ziegler, Nisan Stiennon, Jeffrey Wu, Tom B. Brown, Alec Radford, Dario Amodei, Paul Christiano, Geoffrey Irving
    • Mot-clé: Reward learning for language, Continuing text with positive sentiment, Summary task, Physical descriptive
    • Jeu de données: TL;DR, CNN/DM
  • following-instructions-human-feedback
    • Long Ouyang, Jeff Wu, Xu Jiang, et al.
    • Mot-clé: Large Language Model, Align Language Model with Human Intent
    • Jeu de données: TruthfulQA RealToxicityPrompts
  • Transformer Reinforcement Learning (TRL)
    • Leandro von Werra, Younes Belkada, Lewis Tunstall, et al.
    • Mot-clé: Train LLM with RL, PPO, Transformer
    • Tâche: IMDB sentiment
  • Transformer Reinforcement Learning X (TRLX)
    • Jonathan Tow, Leandro von Werra, et al.
    • Mot-clé: Distributed training framework, T5-based language models, Train LLM with RL, PPO, ILQL
    • Tâche: Bon réglage LLM avec RL en utilisant une fonction de récompense ou un jeu de données avec récompense
  • RL4LMs (A modular RL library to fine-tune language models to human preferences)
  • LaMDA-rlhf-pytorch
    • Phil Wang
    • Mot-clé: LaMDA, Attention-mechanism
    • Tâche: Open-source pré-formation mise en œuvre de Google LaMDA document de recherche à PyTorch
  • TextRL
    • Eric Lam
    • Mot-clé: huggingface’s transformer
    • Tâche: Génération de texte
    • Environnement: PFRL, gym
  • minRLHF
    • Thomfoster
    • Mot-clé: PPO, Minimal library
    • Tâche: à des fins éducatives
  • DeepSpeed-Chat
    • Microsoft
    • Mot-clé: Affordable RLHF Training
  • Dromedary
    • IBM
    • Mot-clé: Minimal human supervision, Self-aligned
    • Tâche: Modèle de langue auto-aligné formé avec une supervision humaine minimale
  • FG-RLHF
    • Zeqiu Wu, Yushi Hu, Weijia Shi, et al.
    • Mot-clé: Fine-Grained RLHF, providing a reward after every segment, Incorporating multiple RMs associated with different feedback types
    • Tâche: Un cadre qui permet la formation et l’apprentissage à partir de fonctions de récompense qui sont affinées en densité et de multiples RM -Safe-RLHF
    • Xuehai Pan, Ruiyang Sun, Jiaming Ji, et al.
    • Mot-clé: Support popular pre-trained models, Large human-labeled dataset, Multi-scale metrics for safety constraints verification, Customized parameters
    • Tâche: Alignés à valeur réduite LLM via Safe RLHF
  • VinePPO
    • Amirhossein Kazemnejad, Milad Aghajohari, et al.
    • Mot-clé: Performant Implementation of RL algorithms for Reasoning, PPO, DPO, RestEM, Monte Carlo Value Estimation
    • Tâche: Tâches de justification, y compris MATH et GSM8K
format:
- [title](dataset link) [links]
- author1, author2, and author3...
- keyword
- experiment environments or tasks
  • HH-RLHF
    • Ben Mann, Deep Ganguli
    • Mot-clé: Human preference dataset, Red teaming data, machine-written
    • Tâche: Ensemble de données open-source pour les données de préférences humaines sur l’utilité et l’inoffensif
  • Stanford Human Preferences Dataset(SHP)
    • Ethayarajh, Kawin and Zhang, Heidi and Wang, Yizhong and Jurafsky, Dan
    • Mot-clé: Naturally occurring and human-written dataset,18 different subject areas
    • Tâche: Prévue pour la formation RLHF modèles de récompense
  • PromptSource
    • Stephen H. Bach, Victor Sanh, Zheng-Xin Yong et al.
    • Mot-clé: Prompted English datasets, Mapping a data example into natural language
    • Tâche: Boîte à outils pour la création, le partage et l’utilisation d’invites de langage naturel
  • Structured Knowledge Grounding(SKG) Resources Collections
    • Tianbao Xie, Chen Henry Wu, Peng Shi et al.
    • Mot-clé: Structured Knowledge Grounding
    • Tâche: La collecte des ensembles de données est liée à la base de connaissances structurées
  • The Flan Collection
    • Longpre Shayne, Hou Le, Vu Tu et al.
    • Tâche: Collection compile des ensembles de données de Flan 2021, P3, Super-Natural Instructions
  • rlhf-reward-datasets
    • Yiting Xie
    • Mot-clé: Machine-written dataset
  • webgpt_comparisons
    • OpenAI
    • Mot-clé: Human-written dataset, Long form question answering
    • Tâche: Former un modèle de réponse aux questions de longue durée pour s’aligner sur les préférences humaines
  • summarize_from_feedback
    • OpenAI
    • Mot-clé: Human-written dataset, summarization
    • Tâche: Former un modèle de synthèse pour s’aligner sur les préférences humaines
  • Dahoas/synthetic-instruct-gptj-pairwise
    • Dahoas
    • Mot-clé: Human-written dataset, synthetic dataset
  • Stable Alignment - Alignment Learning in Social Games
    • Ruibo Liu, Ruixin (Ray) Yang, Qiang Peng
    • Mot-clé: Interaction data used for alignment training, Run in Sandbox
    • Tâche: Formation sur les données d’interaction enregistrées dans les jeux sociaux simulés
  • LIMA
    • Meta AI
    • Mot-clé: without any RLHF, few carefully curated prompts and responses
    • Tâche: Ensemble de données utilisé pour la formation du modèle LIMA

Turkish

Notre but est de rendre cette pension encore meilleure. Si vous souhaitez contribuer, veuillez vous référer à HERE pour les instructions de contribution.

Génial RLHF est publié sous la licence Apache 2.0.

HagiCode

HagiCode est un espace de développement agentique. Des interactions d’interface riches et pratiques rendent la planification, l’exécution des agents et le travail sur les projets accessibles et faciles à suivre, pour une expérience de développement engageante.

Une expérience de développement engageante grâce à des interactions d’interface riches et pratiques.

Visiter HagiCodeLire la documentation
  • IntelligentLes workflows OpenSpec transforment une intention en parcours exécutable, de la proposition à la livraison en passant par la conception et les tâches.
  • EfficaceL’exécution multi-agent fait avancer recherche, réalisation et revue en parallèle, sur plusieurs dépôts et avec les Agent CLI que vous utilisez déjà.
  • IntéressantDes interactions d’interface riches et pratiques rendent la planification, l’exécution des agents et le travail sur les projets accessibles et faciles à suivre.

Télécharger pour Windows

Obtenir sur le Microsoft StoreTous les téléchargements

Transformez vos idées en logiciels livrés.

HagiCode est un espace de développement agentique : les workflows OpenSpec planifient le changement, l’exécution multi-agent le réalise et Hero Scenario rend le long parcours visible, pour transformer vos idées en logiciels livrés.

Intelligent
Les workflows OpenSpec transforment une intention en parcours, de la proposition à la livraison.
Efficace
L’exécution multi-agent mène recherche, réalisation et revue en parallèle.
Ludique
Les interactions d’interface facilitent la planification, l’exécution des agents et les projets.

Quitter Awesome Site ?

Vous allez visiter un site externe. Nous ne contrôlons ni son contenu ni ses pratiques de confidentialité.

Site de destination

Continuer vers le site