RLHF_in_notebooks

RLHF_in_notebooks

github.com

RLHF_in_notebooks 一份 GitHub 上的 RLHF 学习教程，通过 3 个完整 Notebook 笔记带用户一步步实现 RLHF 全流程。基于 GPT-2 模型和电影评论情感数据集，演示从监督微调到奖励建模再到 PPO 强化学习的完整过程。