强化学习论文 ImageReward: Learning and Evaluating Human Preferences for Text-to-Image Generation 阅读 本文是 Reward Model 在 Text-to-Image 上的一个应用,训练 RM 模型来判断模型生成的结果如何。本文作者主要对 text-to-image 领域提出了一个... 06月24日评论 阅读全文
强化学习论文 RLHF 技术笔记 本文会介绍 RLHF 的相关内容,主要从原理层面,介绍 RLHF 的三个步骤,(1)预训练语言模型;(2)训练奖励模型;(3)使用强化学习微调语言模型;也会包含 InstructG... 06月20日评论 阅读全文