新着
openrlhf/openrlhf v0.11.2 — Ray・vLLM ベースの分散 RLHF フレームワーク
Ray・vLLM ベースの分散アーキテクチャ上で SFT・DPO や PPO・DAPO・GRPO などをサポートする RLHF フレームワーク openrlhf/openrlhf の最新リリース v0.11.2 と、根拠資料が示す適用範囲と限界をまとめた記事。
openrlhf/openrlhf
Ray・vLLM ベースの分散アーキテクチャ上で SFT・DPO や PPO・DAPO・GRPO などをサポートする RLHF フレームワーク openrlhf/openrlhf の最新リリース v0.11.2 と、根拠資料が示す適用範囲と限界をまとめた記事。
GitHub の説明: An Easy-to-use, Scalable and High-performance Agentic RL Framework based on Ray (PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL)
GitHub で見る ↗- スター
- ★ 10.1K
- フォーク
- 1K
- 言語
- Python
- ライセンス
- Apache-2.0
- 最新リリース
- v0.11.2
投稿
1該当するニュースはありません。