在RTX 4090被限制的时代下,让大模型使用RLHF更高效的方法来了
该论文介绍了一种名为 ReMax 的新算法,专为基于人类反馈的强化进修(RLHF)而设计。ReMax 在盘算效率(约减少 50% 的 GPU 内存和 2 倍的训练速度提升)和完成简易性(6 行代码)上超越了最常用的算法 PPO,且功能没有损失。论文链接::李子牛,许天,张雨舜,俞扬,孙若愚,罗智泉机构:香港中文大学(深圳),深圳市大数据研究院,南京大学,南栖仙策开源代码:,所有图片来自于论文。背景…- 7
- 0
ReMax
❯
个人中心
今日签到
搜索
扫码打开当前页
返回顶部
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
- ¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!