Skip to content

Select language

目前語言: 繁體中文

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

這是一份研究文件集,供作**《用人類的反馈來學習實力》**(RLHF). 而主目錄會持續更新,以追蹤 RLHF.

歡迎來到跟蹤和明星!

想法 RLHF 即使用強化學習的方法, RLHF 已讓語言模型開始將一個受過一般文體數據訓練的模型 与複雜的人類價值相配合。

  • RLHF 大型語言模型LLM)

image info

  • RLHF (例如) Atari)

image info

** (下一节是自動產生的 ) ChatGPT)**

RLHF 通常是指”用人類的回馈學習力”. 強化學習(RL)是一種機械學習, 在 RLHF這能幫助它更快更准确地學習。

RLHF 包括機器人、遊戲、個人化建議系統等。 該計畫旨在處理RL的挑戰,

利用人反馈加强学习(RLHF)是人工智能研究的一個快速發展的领域,有數種先进的技術被研發,以改善人工智能的性能. RLHF 制度。 以下是一些例子:

  • Inverse Reinforcement Learning (IRL): IRL 是一種讓代理員從人類的回應中學習獎勵功能的技術,而不是依靠預定的獎勵功能. 這讓代理商有可能學習更複雜的回應訊號,

  • Apprenticeship Learning: 學習是结合 IRL 藉由監督學習, 這能幫助代理商更快、更有效地學習,

  • Interactive Machine Learning (IML): IML 這項技術涉及代理商與人類專家之間的動力交換, 這可以幫助代理商更快、更高效的學習, 因為它可以在學習过程中的每個階段接收到對自己的行為的回應。

  • Human-in-the-Loop Reinforcement Learning (HITLRL): HITLRL 包括獎勵、動作選擇和政策优化等。 有助于提高 RLHF 利用人類和機器的強項

以下是一些用人類回應學習的強化例子(RLHF):

  • Game Playing:在遊戲中,人類的反馈可以幫助代理學習在不同遊戲情景下有效的策略和策略. 例如,在Go的流行遊戲中,人類專家可以向代理商提供對其動作的回應,幫助其改进其遊戲和决策.

  • Personalized Recommendation Systems:在建議系統中,人類的回馈可以幫助代理者學習個人使用者的偏好,使得有可能提供個性化的建議. 例如,

  • Robotics:在機器人中,人的反馈可以幫助代理學習如何安全高效地与物理環境相互作用. 例如, 機器人可以學會更快速地在新環境中航行,

  • Education:在教育方面,人反馈可以幫助代理學習如何更有效地教學生. 例如,一位基于人工智能的教師可以使用老師的回馈,而老師的教学策略對不同的學生最有效,有助于使學習經歷個人化。

你也可以 參考此連結 以取得人工智能的讀紙經驗。

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
    • 資料集: stanfordnlp/sst2
    • 任務: 以正感產生文字
    • 環境: 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
    • 關鍵詞: Flexible, Efficient, RLHF framework
    • 任務: RLHF,包括數學和 code.
  • OpenRLHF
    • OpenRLHF
    • 關鍵詞: 70B, RLHF, DeepSpeed, Ray, vLLM
    • 任務: 易用、可伸展和高性能 RLHF 框架(支持70B+全調音 & LoRA & Mixtral & KTO)。
  • Potato
    • David Jurgens et al.
    • 關鍵詞: Annotation, Human Evaluation, Quality Control, AI-Assisted Labeling
    • 任務: 人性評估與回復收集的便携註解平台,
  • PaLM + RLHF - Pytorch
    • Phil Wang, Yachine Zahidi, Ikko Eltociear Ashimine, Eric Alcaide
    • 關鍵詞: Transformers, PaLM architecture
    • 資料集: enwik8
  • lm-human-preferences
    • Daniel M. Ziegler, Nisan Stiennon, Jeffrey Wu, Tom B. Brown, Alec Radford, Dario Amodei, Paul Christiano, Geoffrey Irving
    • 關鍵詞: Reward learning for language, Continuing text with positive sentiment, Summary task, Physical descriptive
    • 資料集: TL;DR, CNN/DM
  • following-instructions-human-feedback
    • Long Ouyang, Jeff Wu, Xu Jiang, et al.
    • 關鍵詞: Large Language Model, Align Language Model with Human Intent
    • 資料集: TruthfulQA RealToxicityPrompts
  • Transformer Reinforcement Learning (TRL)
    • Leandro von Werra, Younes Belkada, Lewis Tunstall, et al.
    • 關鍵詞: Train LLM with RL, PPO, Transformer
    • 任務: IMDB sentiment
  • Transformer Reinforcement Learning X (TRLX)
    • Jonathan Tow, Leandro von Werra, et al.
    • 關鍵詞: Distributed training framework, T5-based language models, Train LLM with RL, PPO, ILQL
    • 任務: 微調 LLM 使用提供的回報函數或回報標示的資料集
  • RL4LMs (A modular RL library to fine-tune language models to human preferences)
  • LaMDA-rlhf-pytorch
    • Phil Wang
    • 關鍵詞: LaMDA, Attention-mechanism
    • 任務: PyTorch 的 Google LaMDA 研究文件開源前訓練
  • TextRL
    • Eric Lam
    • 關鍵詞: huggingface’s transformer
    • 任務: 文字生成
    • 環境: PFRL, gym
  • minRLHF
    • Thomfoster
    • 關鍵詞: PPO, Minimal library
    • 任務: 教育目的
  • DeepSpeed-Chat
    • Microsoft
    • 關鍵詞: Affordable RLHF Training
  • Dromedary
    • IBM
    • 關鍵詞: Minimal human supervision, Self-aligned
    • 任務: 自我相通的語言模型,
  • FG-RLHF
    • Zeqiu Wu, Yushi Hu, Weijia Shi, et al.
    • 關鍵詞: Fine-Grained RLHF, providing a reward after every segment, Incorporating multiple RMs associated with different feedback types
    • 任務: 能夠從密度和多重 RM 中精細分明的獎勵功能中學習與訓練的框架 -Safe-RLHF
    • Xuehai Pan, Ruiyang Sun, Jiaming Ji, et al.
    • 關鍵詞: Support popular pre-trained models, Large human-labeled dataset, Multi-scale metrics for safety constraints verification, Customized parameters
    • 任務: 限制值對應 LLM 通過安全 RLHF
  • VinePPO
    • Amirhossein Kazemnejad, Milad Aghajohari, et al.
    • 關鍵詞: Performant Implementation of RL algorithms for Reasoning, PPO, DPO, RestEM, Monte Carlo Value Estimation
    • 任務: 包括MATH 和 GSM8K 在内的原因工作
format:
- [title](dataset link) [links]
- author1, author2, and author3...
- keyword
- experiment environments or tasks
  • HH-RLHF
    • Ben Mann, Deep Ganguli
    • 關鍵詞: Human preference dataset, Red teaming data, machine-written
    • 任務: 人類偏好數據的開源數據集 :
  • Stanford Human Preferences Dataset(SHP)
    • Ethayarajh, Kawin and Zhang, Heidi and Wang, Yizhong and Jurafsky, Dan
    • 關鍵詞: Naturally occurring and human-written dataset,18 different subject areas
    • 任務: 打算用于訓練 RLHF 獎勵模式
  • PromptSource
    • Stephen H. Bach, Victor Sanh, Zheng-Xin Yong et al.
    • 關鍵詞: Prompted English datasets, Mapping a data example into natural language
    • 任務: 建立、分享和使用自然語言提示工具箱
  • Structured Knowledge Grounding(SKG) Resources Collections
    • Tianbao Xie, Chen Henry Wu, Peng Shi et al.
    • 關鍵詞: Structured Knowledge Grounding
    • 任務: 數據集的收集與結構的知識定位有關
  • The Flan Collection
    • Longpre Shayne, Hou Le, Vu Tu et al.
    • 任務: 收集汇编 Flan 2021, P3, 超自然指令的數據集
  • rlhf-reward-datasets
    • Yiting Xie
    • 關鍵詞: Machine-written dataset
  • webgpt_comparisons
    • OpenAI
    • 關鍵詞: Human-written dataset, Long form question answering
    • 任務: 訓練一個長格式的回答模式,以配合人類的喜好
  • summarize_from_feedback
    • OpenAI
    • 關鍵詞: Human-written dataset, summarization
    • 任務: 訓練一個總結模型來配合人類的喜好
  • Dahoas/synthetic-instruct-gptj-pairwise
    • Dahoas
    • 關鍵詞: Human-written dataset, synthetic dataset
  • Stable Alignment - Alignment Learning in Social Games
    • Ruibo Liu, Ruixin (Ray) Yang, Qiang Peng
    • 關鍵詞: Interaction data used for alignment training, Run in Sandbox
    • 任務: 模擬社交遊戲中記錄的互動資料的列車
  • LIMA
    • Meta AI
    • 關鍵詞: without any RLHF, few carefully curated prompts and responses
    • 任務: 用于訓練 LIMA 模型的數據集

Turkish

我們的目標是讓這項回歸更加美好 若您想捐款,請參考 HERE 以提供指示。

太棒了 RLHF 以 Apache 2.0 授權放行。

HagiCode

HagiCode 是面向專案開發的 AI 編碼工作台:豐富、便利的介面互動讓規劃、Agent 執行與專案工作更容易上手和跟進,帶來更投入的開發體驗。

透過豐富、便利的介面互動,讓規劃、Agent 執行與專案工作更容易上手和跟進。

造訪 HagiCode閱讀文件
  • 智慧OpenSpec 工作流程將意圖轉化為從提案、設計、任務到交付的可執行路徑。
  • 高效多 Agent 並行推進研究、實作與審查,並支援多儲存庫變更與你熟悉的 Agent CLI。
  • 有趣豐富、便利的介面互動讓規劃、Agent 執行與專案工作更容易上手和跟進,帶來更投入的開發體驗。

下載 Windows 版

從 Microsoft Store 取得所有下載

讓想法化為交付成果。

HagiCode 是面向專案開發的 AI 編碼工作台:以 OpenSpec 工作流程規劃變更,多 Agent 並行執行,再由 Hero Scenario 讓進度一目了然,將想法化為交付成果。

智慧
OpenSpec 工作流程將意圖轉化為從提案到交付的可執行路徑。
高效
多 Agent 並行推進研究、實作與審查。
有趣
豐富、便利的介面互動,讓規劃、Agent 執行與專案工作更容易跟進。

要離開 Awesome Site 嗎?

您即將前往外部網站。我們無法控制其內容或隱私慣例。

目的地

繼續前往網站