logo
2
1

已经有SFT、Prompt tuning、LoRA了，为什么还要有奖励模型训练和强化学习训练？

大模型开发/互助问答

  • LLM
  • 文心大模型
2023.08.25360看过
观察到千帆大模型平台最近新增了RLHF训练，包含奖励模型训练和强化学习训练。那已经有SFT、Prompt tuning、LoRA了，为什么还要有奖励模型训练和强化学习训练？什么时候需要奖励模型训练和强化学习训练？

评论
用户头像

相关推荐
作者头像
苏文利01

相关文章

热点话题