allenai/RL4LMs

GitHub で見る

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

スター: 2.4k
フォーク: 201
オープンの初心者向け issue: 0
索引済み issue: 47

主要言語: Python
ライセンス: Apache-2.0
最終 GitHub push: 2023年3月30日
最新の索引: 2026年9月13日
コントリビューションガイド: コントリビューションガイドがありません
行動規範: 行動規範がありません
初心者向けラベル: good first issue help wanted
PR マージ指標: 30日以内にマージされた PR はありません

オープンすべて

オープンの issue を 47 件索引しました

Any plans for Deepspeed/Accelerate integration? オープン

allenai/RL4LMs#4 · コメント 9 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Numbeams オープン

beam_search bug

allenai/RL4LMs#5 · コメント 5 件 · リアクション 0 件 · 担当者 1 名 · 2026年9月13日に索引
Top-K and Top-p sampling オープン

allenai/RL4LMs#7 · コメント 1 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
BART supervised オープン

allenai/RL4LMs#10 · コメント 2 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
OOM on summarization example オープン

allenai/RL4LMs#12 · コメント 15 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
100% likely that two function parameters have been merged by accident オープン

code enhancement good first issue

allenai/RL4LMs#16 · コメント 1 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Implementing self-play オープン

allenai/RL4LMs#18 · コメント 3 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Larger models like GPT-J and GPT-NeoX-20B オープン

allenai/RL4LMs#21 · コメント 3 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Just a warning that the package doesn't work with Transformers 4.25.1 オープン

allenai/RL4LMs#22 · コメント 1 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Off-policy RL algorithms support オープン

enhancement help wanted

allenai/RL4LMs#23 · コメント 5 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Problems with models that don't have the parallelize() function オープン

allenai/RL4LMs#25 · コメント 1 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
passing extra variable to the forward function オープン

allenai/RL4LMs#26 · コメント 1 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Reproducing IMDB results オープン

allenai/RL4LMs#28 · コメント 4 件 · リアクション 1 件 · 担当者 1 名 · 2026年9月13日に索引
Mix-Precision training オープン

allenai/RL4LMs#29 · コメント 2 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Evaluating a specific checkpoint オープン

allenai/RL4LMs#32 · コメント 5 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Is it possible to release the code based on Jax オープン

allenai/RL4LMs#33 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Problem with BLEURT reward function オープン

allenai/RL4LMs#34 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Persistent Variance in IMDB オープン

allenai/RL4LMs#37 · コメント 1 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Value is not broadcastable with batch_shape+event_shape オープン

allenai/RL4LMs#38 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
_pickle.UnpicklingError: pickle data was truncated オープン

allenai/RL4LMs#41 · コメント 1 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Metric version incompatible オープン

allenai/RL4LMs#42 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Bloom Supporting オープン

allenai/RL4LMs#44 · コメント 3 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
A question bother me a long time: What is the difference between RL-for-text-generation and delete-0-reward-model-predictions? オープン

allenai/RL4LMs#46 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
In the paper, what is the detail setting of supervised learning? Is SL has additional supervised data? オープン

allenai/RL4LMs#49 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
[Question] End-to-end example オープン

allenai/RL4LMs#51 · コメント 0 件 · リアクション 3 件 · 担当者 0 名 · 2026年9月13日に索引
Error with Accelerate integration + NLPO オープン

allenai/RL4LMs#52 · コメント 1 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Bug while loading t5 base model オープン

allenai/RL4LMs#53 · コメント 1 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
How can I inference data with the model after PPO training? オープン

allenai/RL4LMs#54 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Using GPT-2 オープン

allenai/RL4LMs#55 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
'GPT2Model' object has no attribute 'first_device' オープン

allenai/RL4LMs#56 · コメント 0 件 · リアクション 1 件 · 担当者 0 名 · 2026年9月13日に索引
model.generate.scores returning two scores オープン

allenai/RL4LMs#57 · コメント 0 件 · リアクション 1 件 · 担当者 0 名 · 2026年9月13日に索引
CPU Support Minor Bug オープン

allenai/RL4LMs#59 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
is multi-dimensional reward supported? オープン

allenai/RL4LMs#60 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Memory issue in metric evals? オープン

allenai/RL4LMs#61 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Reproducing existing results on NarrativeQA オープン

allenai/RL4LMs#62 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
NLPO Code Error and Query About gymnasium vs gym Usage オープン

allenai/RL4LMs#63 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Pip install error with gym and torch オープン

allenai/RL4LMs#64 · コメント 3 件 · リアクション 5 件 · 担当者 0 名 · 2026年9月13日に索引
Do you have any plans to apply the recently published Reinforced Self-Training (ReST)? オープン

allenai/RL4LMs#65 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Is PPO really better than SFT (in general)? under the condition of same amount of data オープン

allenai/RL4LMs#66 · コメント 1 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
how to stop env parallel multi-process to debug env.step()? オープン

allenai/RL4LMs#68 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Upgrade to torch 2.0 オープン

allenai/RL4LMs#69 · コメント 1 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Question about the classifier used for IntentAccuracyDailyDialog. オープン

allenai/RL4LMs#71 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
An issue happened when I set up オープン

allenai/RL4LMs#72 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
Which version of pip should we use when we try to set up the environment? オープン

allenai/RL4LMs#73 · コメント 2 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
assert self.name.count("/") == 1 オープン

allenai/RL4LMs#75 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
An Issues about RuntimeError オープン

allenai/RL4LMs#76 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引
query regarding the reference model オープン

allenai/RL4LMs#77 · コメント 0 件 · リアクション 0 件 · 担当者 0 名 · 2026年9月13日に索引

allenai/RL4LMs

新しい issue をメールで受け取る