这是名为 LM Human Preferences 的 Linux 应用，其最新版本可以下载为 lm-human-preferencessourcecode.tar.gz。它可以在免费的工作站托管服务提供商 OnWorks 上在线运行。
免费下载并在线运行名为 LM Human Preferences with OnWorks 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从此网站启动OnWorks Linux online 或Windows online emulator 或MACOS online emulator。
- 5. 从您刚刚启动的 OnWorks Linux 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序，安装并运行。
SCREENSHOTS
Ad
LM 人类偏好
商品描述
lm-human-preferences 是 OpenAI 官方代码库，实现了论文《基于人类偏好微调语言模型》中的方法。其目的是展示如何通过基于人类比较训练奖励模型，然后使用该奖励信号微调策略模型，从而使语言模型与人类判断保持一致。该代码库包含用于训练奖励模型（学习对输出对进行排序或评分）的脚本，以及用于在该奖励模型指导下使用强化学习（或相关技术）微调策略（语言模型）的脚本。代码按“原样”提供，并明确指出由于依赖项或数据集迁移，它可能不再开箱即用。它在特定环境（TensorFlow 1.x，特定 CUDA/cuDNN 组合）下，在最小的 GPT-2（124M 个参数）上进行了测试。它包含用于启动实验、从策略中采样以及简单实验编排的实用程序。
功能
- 通过人类偏好比较来训练奖励模型
- 在奖励模型的指导下微调策略（语言模型）
- 采样/推理实用程序，用于从训练策略中生成输出
- 实验编排（launch.py）以组合各个阶段（奖励+策略）
- 标签处理以及从人工比较到标量奖励信号的映射
- 支持小型 GPT-2（124M）模型作为参考环境
程式语言
Python
分类
此应用程序也可从 https://sourceforge.net/projects/lm-human-preferences.mirror/ 获取。它已托管在 OnWorks 中，以便通过我们的免费操作系统之一以最便捷的方式在线运行。
