InternLM/xtuner

About RLHF need

开放

#93 创建于 2023年9月4日

在 GitHub 查看贡献者指南
 (3 条评论) (1 个反应) (1 位负责人)Python (443 个派生)github user discovery
feature requestgood first issue

仓库指标

星标
 (5,179 个星标)
PR 合并指标
 (平均合并 2天 22小时) (30 天内合并 65 个 PR)

描述

需要实现几种对齐算法 1.PPO 这个没的说，比较传统和通用，但是训练的开销会大一点 2. RAFT LMFLOW社区有做 https://optimalscale.github.io/LMFlow/examples/raft.html 3.pangu-coder2 RRTF (Rank Responses to align Test&Teacher Feedback) 总结一下是说，他们是用了代码单元测试，然后把单元测试的结果作为标签合并Loss微调LLM https://arxiv.org/abs/2307.14936 image image RRTF华为他们这部分没有开源。RAFT是开源了，RRTF可以的话可以一起讨论一起实现一下。

贡献者指南

研究方向
研究参考的算法（PPO、RAFT、RRTF），并找到开源实现。针对RRTF，分析论文并与社区讨论。可以考虑从已有开源参考的RAFT开始。
技术栈
python
领域
machine learning
议题类型
功能
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
4
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
超过 1 周
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
活跃
清晰度议题是否清楚说明期望改动、验收标准和下一步。
清晰
前置要求
Python
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
20