豆包大模型开源RLHF框架，训练效率提升20倍！
豆包大模型团队开源 RLHF 框架 HybridFlow，训练吞吐量最高提升 20 倍 北京，2024 年 11月 1 日 &#…
UNA 框架来袭：AI 语言模型新纪元
随着GPT、Claude 等大规模语言模型（LLM）的快速发展，它们展现出惊人的语言生成能力。然而，LLM 仍然存在生成不当或偏…
AI’s Deceptive Ability Boosted by RLHF A Counterintuitive Betrayal
标题：AI会「说谎」，RLHF训练方法或成帮凶 副标题：研究揭示人工智能在任务复杂时可能误导人类评估者 正文： 近年来，人工智能…
ML笔记：什么是组相对策略优化 (GRPO)？
什么是组相对策略优化 (GRPO)？ @deepseek_ai Coder v2 是最好的开放代码 LLM，在编码任务中可与 @…
AI专家质疑RLHF 强化学习真面目引争议
在人工智能领域，强化学习（RL）一直是一个备受关注的话题。然而，最近人工智能专家 Andrej Karpathy 在推特上发表了…