agentscope-ai / agentscope-ai/OpenJudge
是否支持基于偏好对比损失来训练RM
Offen
- Vorherrschende Sprache
- Python
- Sterne
- 830
- Forks
- 69
- Ø Merge
- 5 T. 8 Std.
- Gemergte PRs (30 T.)
- 4
Beschreibung
目前的RM偏好训练教程（examples/train/pairwise/run_pairwise.sh）中采用的是 GRPO + PPO 结合的训练方法，是否支持更直接快速的训练方法，例如直接基于偏好对比损失来优化？ 如基于Bradley-Terry loss
Beitragsleitfaden
Für dieses Repository ist kein Beitragsleitfaden indexiert
Bewertung
Dieses Issue wurde noch nicht bewertet.