传送

利用奖励模型训练文章总结任务

最近恰好在学习一些 NLP 相关的知识，顺带利用现有的资源训了一个能够总结文章的模型出来，所以也在这里记录一下。 使用的模型与框架 模型或框架 链接 用途 Qwen3-8B-base 链接 基底模型 vllm 链接 推理框架 Transformers 链接 模型处理框架 OpenRLHF 链接 模型训练框架 DeepSpeed 链接 训练加速 准备 模型 Hugging Face 上提供了通过 T...

3 秒后传送至原文