界面已本地化;技能介绍与说明文档按所选语言由 AI 自动翻译,代码、命令、路径和专业术语保留原文,以原作者文档为准。
探索技能
数据与研究 · SKILL.md

critique-rl-training

critique-rl-training

【数据与研究】Trains language models to provide quality feedback through two-stage RL. Stage 1 optimizes discriminability (distinguishing good vs bad responses). Stage 2 adds helpfulness rewards (improving actor after feedback). Achieves 9.02% improvement without requiring stronger supervisors for training data.

独立 GitHub 快照 · 自动分类 · 以原作者文档为准

Aadu2021 / skillxivNOASSERTION

技能说明

GitHub
正在从源仓库读取说明…
我的收藏