Pular para o conteúdo

Selecionar língua

Idioma atual: Português (Brasil)

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

Esta é uma coleção de artigos de pesquisa para Reinforcement Learning with Human Feedback (RLHF). E o repositório será continuamente atualizado para rastrear a fronteira de RLHF.

Bem-vindo ao follow and star!

A ideia de RLHF é utilizar métodos de aprendizagem de reforço para otimizar diretamente um modelo de linguagem com feedback humano. RLHF tem possibilitado que modelos de linguagem comecem a alinhar um modelo treinado em um corpus geral de dados textuais com o de valores humanos complexos.

  • RLHF para Modelo de Língua Grande (LLM)

image info

  • RLHF para Jogo de Vídeo (por exemplo: Atari)

image info

(A secção seguinte foi gerada automaticamente por ChatGPT)

RLHF tipicamente refere-se a “Reinforcement Learning with Human Feedback”. A aprendizagem de reforço (RE) é um tipo de aprendizagem de máquina que envolve a formação de um agente para tomar decisões com base no feedback do seu ambiente. In RLHF, o agente também recebe feedback de humanos na forma de avaliações ou avaliações de suas ações, o que pode ajudá-lo a aprender mais rapidamente e com precisão.

RLHF é uma área de pesquisa ativa em inteligência artificial, com aplicações em campos como robótica, jogos e sistemas de recomendação personalizados. Ele busca enfrentar os desafios da RL em cenários em que o agente tem acesso limitado ao feedback do ambiente e requer insumos humanos para melhorar seu desempenho.

Aprendizagem de Reforço com Feedback Humano (RLHF) é uma área de pesquisa em rápido desenvolvimento em inteligência artificial, e existem várias técnicas avançadas que foram desenvolvidas para melhorar o desempenho de RLHF sistemas. Aqui estão alguns exemplos:

  • Inverse Reinforcement Learning (IRL): IRL é uma técnica que permite ao agente aprender uma função de recompensa a partir do feedback humano, ao invés de confiar em funções de recompensa pré-definidas. Isso possibilita que o agente aprenda com sinais de feedback mais complexos, como demonstrações de comportamento desejado.

  • Apprenticeship Learning: Aprendizado aprendizagem é uma técnica que combina IRL com aprendizado supervisionado para permitir que o agente aprenda com o feedback humano e demonstrações de especialistas. Isso pode ajudar o agente a aprender mais rapidamente e de forma eficaz, pois é capaz de aprender com feedback positivo e negativo.

  • Interactive Machine Learning (IML): IML é uma técnica que envolve interação ativa entre o agente e o especialista humano, permitindo que o especialista forneça feedback sobre as ações do agente em tempo real. Isso pode ajudar o agente a aprender mais rápido e eficientemente, pois pode receber feedback sobre suas ações em cada etapa do processo de aprendizagem.

  • Human-in-the-Loop Reinforcement Learning (HITLRL): HITLRL é uma técnica que envolve a integração de feedback humano no processo de RL em múltiplos níveis, tais como modelagem de recompensa, seleção de ações e otimização de políticas. Isto pode ajudar a melhorar a eficiência e a eficácia do RLHF sistema, aproveitando os pontos fortes de ambos os seres humanos e máquinas.

Aqui estão alguns exemplos de Aprendizagem de Reforço com Feedback Humano (RLHF):

  • Game Playing: No jogo, feedback humano pode ajudar o agente a aprender estratégias e táticas que são eficazes em diferentes cenários de jogo. Por exemplo, no popular jogo de Go, especialistas humanos podem fornecer feedback ao agente em seus movimentos, ajudando-o a melhorar sua jogabilidade e tomada de decisão.

  • Personalized Recommendation Systems: Nos sistemas de recomendação, o feedback humano pode ajudar o agente a aprender as preferências de usuários individuais, tornando possível fornecer recomendações personalizadas. Por exemplo, o agente poderia usar feedback dos usuários em produtos recomendados para aprender quais características são mais importantes para eles.

  • Robotics: Na robótica, o feedback humano pode ajudar o agente a aprender a interagir com o ambiente físico de forma segura e eficiente. Por exemplo, um robô poderia aprender a navegar em um novo ambiente mais rapidamente com feedback de um operador humano no melhor caminho para tomar ou quais objetos evitar.

  • Education: Na educação, o feedback humano pode ajudar o agente a aprender a ensinar os alunos de forma mais eficaz. Por exemplo, um tutor baseado em IA poderia usar feedback de professores sobre quais estratégias de ensino funcionam melhor com diferentes alunos, ajudando a personalizar a experiência de aprendizagem.

Você também pode visitar este link para obter uma experiência de leitura de papel reforçada por 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
    • Conjunto de dados: stanfordnlp/sst2
    • Tarefa: Gerar texto com sentimento positivo
    • Ambiente: 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
    • Palavra-chave: Flexible, Efficient, RLHF framework
    • Tarefas: RLHF, Raciocínio de tarefas incluindo matemática e code.
  • OpenRLHF
    • OpenRLHF
    • Palavra-chave: 70B, RLHF, DeepSpeed, Ray, vLLM
    • Tarefa: Fácil de usar, escalável e de alto desempenho RLHF Framework (Support 70B+ ajuste completo & LoRA & Mixtral & KTO).
  • Potato
    • David Jurgens et al.
    • Palavra-chave: Annotation, Human Evaluation, Quality Control, AI-Assisted Labeling
    • Tarefa: Plataforma de anotação portátil para avaliação humana e coleta de feedback com mais de 20 tipos de anotação e avaliação de traço de agente
  • PaLM + RLHF - Pytorch
    • Phil Wang, Yachine Zahidi, Ikko Eltociear Ashimine, Eric Alcaide
    • Palavra-chave: Transformers, PaLM architecture
    • Conjunto de dados: enwik8
  • lm-human-preferences
    • Daniel M. Ziegler, Nisan Stiennon, Jeffrey Wu, Tom B. Brown, Alec Radford, Dario Amodei, Paul Christiano, Geoffrey Irving
    • Palavra-chave: Reward learning for language, Continuing text with positive sentiment, Summary task, Physical descriptive
    • Conjunto de dados: TL;DR, CNN/DM
  • following-instructions-human-feedback
    • Long Ouyang, Jeff Wu, Xu Jiang, et al.
    • Palavra-chave: Large Language Model, Align Language Model with Human Intent
    • Conjunto de dados: TruthfulQA RealToxicityPrompts
  • Transformer Reinforcement Learning (TRL)
    • Leandro von Werra, Younes Belkada, Lewis Tunstall, et al.
    • Palavra-chave: Train LLM with RL, PPO, Transformer
    • Tarefa: IMDB sentiment
  • Transformer Reinforcement Learning X (TRLX)
    • Jonathan Tow, Leandro von Werra, et al.
    • Palavra-chave: Distributed training framework, T5-based language models, Train LLM with RL, PPO, ILQL
    • Tarefa: Afinação fina LLM com RL utilizando função de recompensa fornecida ou conjunto de dados marcados com recompensa
  • RL4LMs (A modular RL library to fine-tune language models to human preferences)
  • LaMDA-rlhf-pytorch
    • Phil Wang
    • Palavra-chave: LaMDA, Attention-mechanism
    • Tarefa: Pré-treinamento de código aberto implementação do trabalho de pesquisa LaMDA do Google em PyTorch
  • TextRL
    • Eric Lam
    • Palavra-chave: huggingface’s transformer
    • Tarefa: Geração de texto
    • Ambiente: PFRL, gym
  • minRLHF
    • Thomfoster
    • Palavra-chave: PPO, Minimal library
    • Tarefa: finalidades educativas
  • DeepSpeed-Chat
    • Microsoft
    • Palavra-chave: Affordable RLHF Training
  • Dromedary
    • IBM
    • Palavra-chave: Minimal human supervision, Self-aligned
    • Tarefa: Modelo de linguagem auto-alinhada treinado com supervisão humana mínima
  • FG-RLHF
    • Zeqiu Wu, Yushi Hu, Weijia Shi, et al.
    • Palavra-chave: Fine-Grained RLHF, providing a reward after every segment, Incorporating multiple RMs associated with different feedback types
    • Tarefa: Um framework que permite o treinamento e a aprendizagem de funções de recompensa que são finas em densidade e múltiplos RMs -Safe-RLHF
    • Xuehai Pan, Ruiyang Sun, Jiaming Ji, et al.
    • Palavra-chave: Support popular pre-trained models, Large human-labeled dataset, Multi-scale metrics for safety constraints verification, Customized parameters
    • Tarefa: Alinhado ao valor restrito LLM via Safe RLHF
  • VinePPO
    • Amirhossein Kazemnejad, Milad Aghajohari, et al.
    • Palavra-chave: Performant Implementation of RL algorithms for Reasoning, PPO, DPO, RestEM, Monte Carlo Value Estimation
    • Tarefa: Tarefas de fundamentação, incluindo MATH e GSM8K
format:
- [title](dataset link) [links]
- author1, author2, and author3...
- keyword
- experiment environments or tasks
  • HH-RLHF
    • Ben Mann, Deep Ganguli
    • Palavra-chave: Human preference dataset, Red teaming data, machine-written
    • Tarefa: Conjunto de dados de código aberto para dados de preferência humana sobre ajuda e inocuidade
  • Stanford Human Preferences Dataset(SHP)
    • Ethayarajh, Kawin and Zhang, Heidi and Wang, Yizhong and Jurafsky, Dan
    • Palavra-chave: Naturally occurring and human-written dataset,18 different subject areas
    • Tarefa: Destinado a ser utilizado na formação RLHF modelos de recompensa
  • PromptSource
    • Stephen H. Bach, Victor Sanh, Zheng-Xin Yong et al.
    • Palavra-chave: Prompted English datasets, Mapping a data example into natural language
    • Tarefa: Kit de ferramentas para criar, partilhar e utilizar prompts de linguagem natural
  • Structured Knowledge Grounding(SKG) Resources Collections
    • Tianbao Xie, Chen Henry Wu, Peng Shi et al.
    • Palavra-chave: Structured Knowledge Grounding
    • Tarefa: A recolha de conjuntos de dados está relacionada com a fundamentação do conhecimento estruturado
  • The Flan Collection
    • Longpre Shayne, Hou Le, Vu Tu et al.
    • Tarefa: Coleta compila conjuntos de dados do Flan 2021, P3, Instruções Super-Naturais
  • rlhf-reward-datasets
    • Yiting Xie
    • Palavra-chave: Machine-written dataset
  • webgpt_comparisons
    • OpenAI
    • Palavra-chave: Human-written dataset, Long form question answering
    • Tarefa: Treinar um modelo de resposta de longa forma para se alinhar com as preferências humanas
  • summarize_from_feedback
    • OpenAI
    • Palavra-chave: Human-written dataset, summarization
    • Tarefa: Treinar um modelo de síntese para alinhar com as preferências humanas
  • Dahoas/synthetic-instruct-gptj-pairwise
    • Dahoas
    • Palavra-chave: Human-written dataset, synthetic dataset
  • Stable Alignment - Alignment Learning in Social Games
    • Ruibo Liu, Ruixin (Ray) Yang, Qiang Peng
    • Palavra-chave: Interaction data used for alignment training, Run in Sandbox
    • Tarefa: Treinar sobre os dados de interação gravados em jogos sociais simulados
  • LIMA
    • Meta AI
    • Palavra-chave: without any RLHF, few carefully curated prompts and responses
    • Tarefa: Dataset utilizado para treinamento do modelo LIMA

Turkish

O nosso objectivo é tornar este acordo ainda melhor. Se estiver interessado em contribuir, consulte HERE Para instruções de contribuição.

Impressionante. RLHF é lançado sob a licença Apache 2.0.

HagiCode

O HagiCode é um ambiente de programação com agentes. Interações de interface ricas e práticas tornam o planejamento, a execução de agentes e o trabalho em projetos mais acessíveis e fáceis de acompanhar, criando uma experiência de desenvolvimento envolvente.

Uma experiência de desenvolvimento envolvente, com interações de interface ricas e práticas.

Acessar HagiCodeLer a documentação
  • InteligenteOs fluxos de trabalho do OpenSpec transformam a intenção em um caminho executável, da proposta ao design, às tarefas e à entrega.
  • EficienteA execução multiagente mantém pesquisa, implementação e revisão em andamento em paralelo, em vários repositórios e com os Agent CLI que você já usa.
  • InteressanteInterações de interface ricas e práticas tornam o planejamento, a execução de agentes e o trabalho em projetos mais acessíveis e fáceis de acompanhar.

Baixar para Windows

Obter na Microsoft StoreTodos os downloads

Transforme ideias em software entregue.

O HagiCode é um ambiente de programação com agentes: os fluxos de trabalho do OpenSpec planejam a mudança, a execução multiagente a realiza e o Hero Scenario torna o longo percurso visível, para transformar ideias em software entregue.

Inteligente
Os fluxos do OpenSpec transformam a intenção em um caminho da proposta à entrega.
Eficiente
A execução multiagente conduz pesquisa, implementação e revisão em paralelo.
Divertido
As interações de interface facilitam o planejamento, a execução de agentes e os projetos.

Sair do Awesome Site?

Você está prestes a visitar um site externo. Não controlamos o conteúdo nem as práticas de privacidade dele.

Destino

Continuar para o site