Conditioned reinforcement learning
OpenChat 7B 是一个开源语言模型库，经过“C-RLFT（条件强化学习微调）”的微调——这是一种受离线强化学习启发的策略。它在混合质量的数据上进行训练，没有偏好标签。对于在 Mistral 7B 上微调的 OpenChat，请查看 OpenChat 7B。 对于在 Llama 8B 上微调的 OpenChat，请查看 [Ope...
OpenChat 7B 是一个开源语言模型库，经过“C-RLFT（条件强化学习微调）”的微调——这是一种受离线强化学习启发的策略。它在混合质量的数据上进行训练，没有偏好标签。对于在 Mistral 7B 上微调的 OpenChat，请查看 OpenChat 7B。 对于在 Llama 8B 上微调的 OpenChat，请查看 [Ope...
