基于 Ray 和 vLLM 的强化学习框架，用于大语言模型与视觉语言模型的人类反馈强化学习训练。
1万1049PythonApache-2.0更新于 16天前
#proximal-policy-optimization
“proximal-policy-optimization” 相关开源项目
与 proximal-policy-optimization 相关的精选 GitHub 开源仓库，附 AI 中文概要与关键数据。
#proximal-policy-optimization
与 proximal-policy-optimization 相关的精选 GitHub 开源仓库，附 AI 中文概要与关键数据。