【[89星]RLHF_in_notebooks：用3个Jupyter笔记本实现从零开始的人工反馈强化学习（RLHF）框架。亮点：1. 以简单易懂的方式实现RLHF的三个关键步骤：监督微调、奖励模型训练和PPO强化学习；2. 使用斯坦福电影评论数据集，让GPT-2生成积极情感的句子；3. 提供详细步骤和YouTube视频教程，零基础也能轻松上手】

'RLHF_in_notebooks: RLHF (Supervised fine-tuning, reward model, and PPO) step-by-step in 3 Jupyter notebooks'

GitHub: github.com/ash80/RLHF_in_notebooks

强化学习 自然语言处理 机器学习教程 人工智能 ai兴趣创作计划