王 茂南

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...

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...