TECH BLOG

ブログ

#強化学習

trlを使って日本語LLMをSFTからRLHFまで一通り学習させてみる

こんにちはAIチームの戸田です今回は日本語LLMのOpenCALMの7Bモデル…
2023.07.21 Research
- Kaggle
- LLM
- 強化学習
- 自然言語処理(NLP)
Decision Transformer 精度向上実験③ 〜return-to-go lossの検証〜

こんにちはAIチームの戸田です本記事ではオフライン強化学習手法の一つであるDe…
2023.06.16 Research
- Deep Learning
- 強化学習
Decision Transformer 精度向上実験② 〜複数環境でのstate lossの検証〜

こんにちはAIチームの戸田です本記事ではオフライン強化学習手法の一つであるDe…
2023.05.19 Research
- Deep Learning
- 強化学習
Decision Transformer 精度向上実験① 〜state lossの有効性についての検証〜

こんにちはAIチームの戸田です本記事ではオフライン強化学習手法の一つであるDe…
2023.04.11 Research
- Deep Learning
- Transformer
- 強化学習
trlxを用いた文書生成モデルの学習②~PPO編~

こんにちはAIチームの戸田です前回に続き、最近話題のChatGPTの学習に使わ…
2023.03.06 Research
- RLHF
- Transformer
- 強化学習
- 自然言語処理(NLP)
trlxを用いた文書生成モデルの学習①~ILQL編~

こんにちはAIチームの戸田です今回は最近話題のChatGPTの学習に使われてい…
2023.02.28 Research
- RLHF
- Transformer
- 強化学習
- 自然言語処理(NLP)
強化学習による対話エージェントのPolicyモデルの学習(後編)

こんにちは AIチームの戸田です。前回に引き続き、タスク指向対話の開発ツールキ…
2022.11.14
- タスク指向対話
- 対話
- 強化学習

ブログ

#強化学習

trlを使って日本語LLMをSFTからRLHFまで一通り学習させてみる

Decision Transformer 精度向上実験③ 〜return-to-go lossの検証〜

Decision Transformer 精度向上実験② 〜複数環境でのstate lossの検証〜

Decision Transformer 精度向上実験① 〜state lossの有効性についての検証〜

trlxを用いた文書生成モデルの学習②~PPO編~

trlxを用いた文書生成モデルの学習①~ILQL編~

強化学習による対話エージェントのPolicyモデルの学習(後編)

PICK UP

TAG