verl-project/verl

Support Generative Reward Model (GenRM)

已关闭

#229 创建于 2025年2月9日

在 GitHub 查看贡献者指南
 (17 条评论) (0 个反应) (1 位负责人)Python (4,431 个派生)auto 404
enhancementgood first issue

仓库指标

星标
 (23,049 个星标)
PR 合并指标
 (平均合并 3天 6小时) (30 天内合并 125 个 PR)

描述

According to the documentation, veRL only supports AutoModelForSequenceClassification. What would be the best way to implement generative reward model (GenRM) for veRL? I tried looking at FSDP Workers and Megatron-LM Workers but they no longer exist.

贡献者指南

研究方向
调查 verl 中当前的奖励模型实现，特别是 AutoModelForSequenceClassification 的支持。审查相关注释和任何链接的 PR 中提出的设计方案。由于引用的 workers 已不存在，探索当前的 actor/critic 架构，以确定 GenRM 集成应位于何处。提出一个扩展奖励模型以支持基于生成的评分的方案。
技术栈
python
领域
machine learningai
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。
1-2 天
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。
基本清晰
前置要求
PythonPyTorch
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。
30