allenai/RL4LMs

在 GitHub 檢視

A modular RL library to fine-tune language models to human preferences

星號: 2.4k
分支: 201
開放的新手 issue: 0
已索引 issue: 47

主要語言: Python
授權條款: Apache-2.0
最近 GitHub push: 2023年3月30日
最近索引: 2026年9月13日
貢獻指南: 沒有貢獻指南
行為準則: 沒有行為準則
新手標籤: good first issue help wanted
PR 合併指標: 30 天內沒有已合併 PR

未關閉全部

目前已索引 47 個未關閉的 Issue

Any plans for Deepspeed/Accelerate integration? 未關閉

allenai/RL4LMs#4 · 9 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Numbeams 未關閉

beam_search bug

allenai/RL4LMs#5 · 5 則留言 · 0 個 reaction · 已指派 1 人 · 索引於 2026年9月13日
Top-K and Top-p sampling 未關閉

allenai/RL4LMs#7 · 1 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
BART supervised 未關閉

allenai/RL4LMs#10 · 2 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
OOM on summarization example 未關閉

allenai/RL4LMs#12 · 15 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
100% likely that two function parameters have been merged by accident 未關閉

code enhancement good first issue

allenai/RL4LMs#16 · 1 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Implementing self-play 未關閉

allenai/RL4LMs#18 · 3 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Larger models like GPT-J and GPT-NeoX-20B 未關閉

allenai/RL4LMs#21 · 3 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Just a warning that the package doesn't work with Transformers 4.25.1 未關閉

allenai/RL4LMs#22 · 1 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Off-policy RL algorithms support 未關閉

enhancement help wanted

allenai/RL4LMs#23 · 5 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Problems with models that don't have the parallelize() function 未關閉

allenai/RL4LMs#25 · 1 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
passing extra variable to the forward function 未關閉

allenai/RL4LMs#26 · 1 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Reproducing IMDB results 未關閉

allenai/RL4LMs#28 · 4 則留言 · 1 個 reaction · 已指派 1 人 · 索引於 2026年9月13日
Mix-Precision training 未關閉

allenai/RL4LMs#29 · 2 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Evaluating a specific checkpoint 未關閉

allenai/RL4LMs#32 · 5 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Is it possible to release the code based on Jax 未關閉

allenai/RL4LMs#33 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Problem with BLEURT reward function 未關閉

allenai/RL4LMs#34 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Persistent Variance in IMDB 未關閉

allenai/RL4LMs#37 · 1 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Value is not broadcastable with batch_shape+event_shape 未關閉

allenai/RL4LMs#38 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
_pickle.UnpicklingError: pickle data was truncated 未關閉

allenai/RL4LMs#41 · 1 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Metric version incompatible 未關閉

allenai/RL4LMs#42 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Bloom Supporting 未關閉

allenai/RL4LMs#44 · 3 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
A question bother me a long time: What is the difference between RL-for-text-generation and delete-0-reward-model-predictions? 未關閉

allenai/RL4LMs#46 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
In the paper, what is the detail setting of supervised learning? Is SL has additional supervised data? 未關閉

allenai/RL4LMs#49 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
[Question] End-to-end example 未關閉

allenai/RL4LMs#51 · 0 則留言 · 3 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Error with Accelerate integration + NLPO 未關閉

allenai/RL4LMs#52 · 1 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Bug while loading t5 base model 未關閉

allenai/RL4LMs#53 · 1 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
How can I inference data with the model after PPO training? 未關閉

allenai/RL4LMs#54 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Using GPT-2 未關閉

allenai/RL4LMs#55 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
'GPT2Model' object has no attribute 'first_device' 未關閉

allenai/RL4LMs#56 · 0 則留言 · 1 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
model.generate.scores returning two scores 未關閉

allenai/RL4LMs#57 · 0 則留言 · 1 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
CPU Support Minor Bug 未關閉

allenai/RL4LMs#59 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
is multi-dimensional reward supported? 未關閉

allenai/RL4LMs#60 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Memory issue in metric evals? 未關閉

allenai/RL4LMs#61 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Reproducing existing results on NarrativeQA 未關閉

allenai/RL4LMs#62 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
NLPO Code Error and Query About gymnasium vs gym Usage 未關閉

allenai/RL4LMs#63 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Pip install error with gym and torch 未關閉

allenai/RL4LMs#64 · 3 則留言 · 5 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Do you have any plans to apply the recently published Reinforced Self-Training (ReST)? 未關閉

allenai/RL4LMs#65 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Is PPO really better than SFT (in general)? under the condition of same amount of data 未關閉

allenai/RL4LMs#66 · 1 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
how to stop env parallel multi-process to debug env.step()? 未關閉

allenai/RL4LMs#68 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Upgrade to torch 2.0 未關閉

allenai/RL4LMs#69 · 1 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Question about the classifier used for IntentAccuracyDailyDialog. 未關閉

allenai/RL4LMs#71 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
An issue happened when I set up 未關閉

allenai/RL4LMs#72 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
Which version of pip should we use when we try to set up the environment? 未關閉

allenai/RL4LMs#73 · 2 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
assert self.name.count("/") == 1 未關閉

allenai/RL4LMs#75 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
An Issues about RuntimeError 未關閉

allenai/RL4LMs#76 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日
query regarding the reference model 未關閉

allenai/RL4LMs#77 · 0 則留言 · 0 個 reaction · 已指派 0 人 · 索引於 2026年9月13日

allenai/RL4LMs

把新 issue 寄到你的電子郵件信箱