allenai / allenai/RL4LMs

Is PPO really better than SFT (in general)? under the condition of same amount of data

Aberta
#66 1 comentário 0 reações 0 responsáveis Ver no GitHub
Linguagem predominante
Python
Estrelas
2.4k
Forks
201
Métricas de merge de PRs
Nenhum PR com merge em 30d

Descrição

For example, if we ask the model to generate a program, rather than simply continuation.

If we do not fine-tune them, RL does not even know what to generate I believe.

Do you have more thoughts on this?

Guia de contribuição

Nenhum guia de contribuição indexado para este repositório

Avaliação

Esta issue ainda não foi avaliada.

Receba novas issues na sua caixa de entrada

Um resumo curto de issues do GitHub para quem está começando.