Фреймворк на базе Ray и vLLM для обучения больших языковых и мультимодальных моделей с помощью RLHF и агентного RL.
10,1 тыс.1 тыс.PythonApache-2.0Обновлён 16 дней назад
#proximal-policy-optimization
Open source проекты по теме «proximal-policy-optimization»
Отобранные репозитории GitHub по теме proximal-policy-optimization с описаниями от ИИ и ключевыми метриками.
Сортировка:Недавно добавленные
1 репозиторий