agentscope-ai / agentscope-ai/OpenJudge
是否支持基于偏好对比损失来训练RM
Aperta
- Lingua principale
- Python
- Stelle
- 830
- Fork
- 69
- Merge medio
- 5g 8h
- PR unite (30g)
- 4
Descrizione
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
Guida per i contributori
Nessuna guida per i contributori indicizzata per questo repository
Valutazione
Questa issue non è ancora stata valutata.