跳转到内容

选择语言

当前语言: 简体中文

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

这是一份研究论文集,供**《用人类反馈进行强化学习》** (RLHF) (中文(简体) ). 并将不断更新存储库,以跟踪 RLHF.

欢迎来到追随者与明星!

设想 RLHF 用强化学习的方法 直接优化语言模型 与人类反馈。 RLHF 使语言模型能够开始使一个在一般文本数据库方面受过培训的模型与复杂的人类价值相一致。

  • RLHF 大型语言模型LLM)

image info

  • RLHF 用于视频游戏(例如. Atari)

image info

(下一节自动生成于 ChatGPT)

RLHF 一般指”用人类反馈进行强制学习”. 强化学习(RL)是机器学习的一种类型,它涉及培训一名代理商,以根据其环境反馈作出决定. 内 RLHF,代理商还收到人类对其行为的评级或评价形式的反馈,这可以帮助其更快和更准确地学习.

RLHF 是在人工智能领域一个活跃的研究领域,在机器人,游戏,以及个性化推荐系统等领域都有应用. 它力求在代理人获得环境反馈的机会有限、需要人类投入才能改善其业绩的情景中应对RL的挑战。

利用人类反馈加强学习RLHF)是人工智能研究的一个迅速发展的领域,已开发出几种先进技术来提高人工智能的性能. RLHF 系统。 以下是一些例子:

  • Inverse Reinforcement Learning (IRL): IRL 是一种使代理人能够从人类反馈中学习奖励功能的技术,而不是依赖预先定义的奖励功能. 这使得代理人能够从更复杂的反馈信号中学习,例如表现期望的行为.

  • Apprenticeship Learning:学徒学习是一种结合技术 IRL 进行有监督的学习,使代理人能够从人类反馈和专家演示中学习。 这可以帮助代理人更快和更有效地学习,因为它能够从正面和负面反馈中学习.

  • Interactive Machine Learning (IML): IML 是一种涉及代理人与人类专家积极互动的技术,使专家能够实时提供代理人行为的反馈. 这有助于代理人更快、更高效地学习,因为它可以在学习过程中的每一个阶段得到对其行动的反馈。

  • Human-in-the-Loop Reinforcement Learning (HITLRL): HITLRL 这是一种技术,涉及在多个层面将人类反馈纳入RL进程,如奖励、行动选择和政策优化。 这有助于提高联合国系统的效率和效力。 RLHF 利用人类和机器的优势

以下是用人类反馈加强学习的一些例子(RLHF):

  • Game Playing:在游戏中,人类的反馈可以帮助代理人学习在不同游戏情景中有效的策略和战术. 例如,在”Go”的流行游戏中,人类专家可以向代理提供对其动作的反馈,帮助其改进其游戏游戏和决策.

  • Personalized Recommendation Systems:在推荐系统中,人反馈可以帮助代理者学习个人用户的偏好,从而有可能提供个性化的建议. 例如,代理人可以利用用户对推荐产品的反馈来了解哪些特性对他们最为重要。

  • Robotics:在机器人学中,人类的反馈可以帮助代理人学习如何以安全高效的方式与物理环境互动. 例如,一个机器人可以学习更快地在人类操作员的反馈下,在最佳路径上或者在哪些物体可以避免的情况下,导航新的环境.

  • Education:在教育方面,人类的反馈可以帮助代理人学习如何更有效地教导学生. 例如,基于人工智能的辅导员可以利用教师的反馈,这些教学战略对不同学生最有效,有助于使学习经历个性化。

你们也可以 访问此链接 获得AI强化的阅纸体验.

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
    • 数据集: stanfordnlp/sst2
    • 任务: 以积极情绪生成文本
    • 环境: 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
    • 关键词: Flexible, Efficient, RLHF framework
    • 任务: RLHF,包括数学和 code.
  • OpenRLHF
    • OpenRLHF
    • 关键词: 70B, RLHF, DeepSpeed, Ray, vLLM
    • 任务: 易于使用、可扩展和高性能 RLHF 框架(支持70B+全调和 & LoRA & mixtral & KTO)。
  • Potato
    • David Jurgens et al.
    • 关键词: Annotation, Human Evaluation, Quality Control, AI-Assisted Labeling
    • 任务: 用于人类评价和反馈收集的便携式注释平台,包括20+注释类型和剂痕量评价
  • PaLM + RLHF - Pytorch
    • Phil Wang, Yachine Zahidi, Ikko Eltociear Ashimine, Eric Alcaide
    • 关键词: Transformers, PaLM architecture
    • 数据集: enwik8
  • lm-human-preferences
    • Daniel M. Ziegler, Nisan Stiennon, Jeffrey Wu, Tom B. Brown, Alec Radford, Dario Amodei, Paul Christiano, Geoffrey Irving
    • 关键词: Reward learning for language, Continuing text with positive sentiment, Summary task, Physical descriptive
    • 数据集: TL;DR, CNN/DM
  • following-instructions-human-feedback
    • Long Ouyang, Jeff Wu, Xu Jiang, et al.
    • 关键词: Large Language Model, Align Language Model with Human Intent
    • 数据集: TruthfulQA RealToxicityPrompts
  • Transformer Reinforcement Learning (TRL)
    • Leandro von Werra, Younes Belkada, Lewis Tunstall, et al.
    • 关键词: Train LLM with RL, PPO, Transformer
    • 任务: IMDB sentiment
  • Transformer Reinforcement Learning X (TRLX)
    • Jonathan Tow, Leandro von Werra, et al.
    • 关键词: Distributed training framework, T5-based language models, Train LLM with RL, PPO, ILQL
    • 任务: 微调 LLM 使用提供的奖励函数或奖励标签数据集
  • RL4LMs (A modular RL library to fine-tune language models to human preferences)
  • LaMDA-rlhf-pytorch
    • Phil Wang
    • 关键词: LaMDA, Attention-mechanism
    • 任务: PyTorch 的 Google LaMDA 研究论文开源预训实施
  • TextRL
    • Eric Lam
    • 关键词: huggingface’s transformer
    • 任务: 文本生成
    • 环境: PFRL, gym
  • minRLHF
    • Thomfoster
    • 关键词: PPO, Minimal library
    • 任务: 教育目的
  • DeepSpeed-Chat
    • Microsoft
    • 关键词: Affordable RLHF Training
  • Dromedary
    • IBM
    • 关键词: Minimal human supervision, Self-aligned
    • 任务: 自我融合语言模式在最低限度的人力监督下接受培训
  • FG-RLHF
    • Zeqiu Wu, Yushi Hu, Weijia Shi, et al.
    • 关键词: Fine-Grained RLHF, providing a reward after every segment, Incorporating multiple RMs associated with different feedback types
    • 任务: 能够从密度和多重RMs精细化的奖励功能中培训和学习的框架 -Safe-RLHF
    • Xuehai Pan, Ruiyang Sun, Jiaming Ji, et al.
    • 关键词: Support popular pre-trained models, Large human-labeled dataset, Multi-scale metrics for safety constraints verification, Customized parameters
    • 任务: 约束值对齐 LLM 通过安全 RLHF
  • VinePPO
    • Amirhossein Kazemnejad, Milad Aghajohari, et al.
    • 关键词: Performant Implementation of RL algorithms for Reasoning, PPO, DPO, RestEM, Monte Carlo Value Estimation
    • 任务: 包括MATH和GSM8K在内的合理任务
format:
- [title](dataset link) [links]
- author1, author2, and author3...
- keyword
- experiment environments or tasks
  • HH-RLHF
    • Ben Mann, Deep Ganguli
    • 关键词: Human preference dataset, Red teaming data, machine-written
    • 任务: 人类偏好数据关于有用性和无害性的开源数据集
  • Stanford Human Preferences Dataset(SHP)
    • Ethayarajh, Kawin and Zhang, Heidi and Wang, Yizhong and Jurafsky, Dan
    • 关键词: Naturally occurring and human-written dataset,18 different subject areas
    • 任务: 打算用于培训 RLHF 奖励模式
  • PromptSource
    • Stephen H. Bach, Victor Sanh, Zheng-Xin Yong et al.
    • 关键词: Prompted English datasets, Mapping a data example into natural language
    • 任务: 用于创建、分享和使用自然语言的工具包提示
  • Structured Knowledge Grounding(SKG) Resources Collections
    • Tianbao Xie, Chen Henry Wu, Peng Shi et al.
    • 关键词: Structured Knowledge Grounding
    • 任务: 数据集的收集与结构化知识定位有关
  • The Flan Collection
    • Longpre Shayne, Hou Le, Vu Tu et al.
    • 任务: 收集汇编来自Flan 2021, P3, 超级自然指令的数据集
  • rlhf-reward-datasets
    • Yiting Xie
    • 关键词: Machine-written dataset
  • webgpt_comparisons
    • OpenAI
    • 关键词: Human-written dataset, Long form question answering
    • 任务: 训练一个长式问答模式,以符合人类的喜好
  • summarize_from_feedback
    • OpenAI
    • 关键词: Human-written dataset, summarization
    • 任务: 培训一个与人类喜好相适应的总结模型
  • Dahoas/synthetic-instruct-gptj-pairwise
    • Dahoas
    • 关键词: Human-written dataset, synthetic dataset
  • Stable Alignment - Alignment Learning in Social Games
    • Ruibo Liu, Ruixin (Ray) Yang, Qiang Peng
    • 关键词: Interaction data used for alignment training, Run in Sandbox
    • 任务: 模拟社交游戏中记录的交互数据的培训
  • LIMA
    • Meta AI
    • 关键词: without any RLHF, few carefully curated prompts and responses
    • 任务: 用于培训LIMA模型的数据集

Turkish

我们的目的是让这笔钱变得更好 如果您有兴趣捐款,请参考 HERE 提供捐款的指示。

厉害 RLHF 以Apache 2.0许可证发布。

HagiCode

HagiCode 是面向项目开发的 AI 编码工作台:丰富、便捷的界面交互让规划、Agent 执行与项目工作更容易上手和跟进,带来更投入的开发体验。

丰富、便捷的界面交互,让规划、Agent 执行与项目工作更容易上手和跟进。

访问 HagiCode阅读文档
  • 智能OpenSpec 工作流把意图转化为从提案、设计、任务到交付的可执行路径。
  • 高效多 Agent 并行推进调研、实现与审阅,并支持多仓库变更和你熟悉的 Agent CLI。
  • 有趣丰富、便捷的界面交互让规划、Agent 执行与项目工作更容易上手和跟进,带来更投入的开发体验。

下载 Windows 版

从 Microsoft Store 获取全部下载

让想法变成真正交付的软件。

HagiCode 是面向项目开发的 AI 编码工作台:用 OpenSpec 工作流规划变更,多 Agent 并行执行,再由 Hero Scenario 让进度一目了然,把想法变成真正交付的软件。

智能
OpenSpec 工作流把意图变成从提案到交付的可执行路径。
高效
多 Agent 并行推进调研、实现与审阅。
有趣
丰富、便捷的界面交互,让规划、Agent 执行和项目工作更容易跟进。

离开 Awesome Site?

你即将访问外部网站。我们无法控制其内容或隐私惯例。

目标地址

继续访问网站