huggingface / alignment-handbookGitHubSFT、DPO、ORPOを用いて、言語モデルの継続事前学習や人間・AIの選好に基づくアライメントを行うための学習レシピとスクリプト。AI・機械学習#llm#rlhf#dpo#fine-tuning#transformers5699496PythonApache-2.0更新 29 日前