ReMax

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…