跳到正文

mwp_ReFT

用强化学习微调语言模型

访问官网

mwp_ReFT 是什么

mwp_ReFT 被介绍为开源研究项目,用深度强化学习微调大语言模型以提升特定任务表现,并提供复现论文结果的代码与数据。

你可以用它做什么

  • 运行 SFT 与 ReFT 微调
  • 使用 Online-SL 与 Offline-SL 自学
  • 用 Top-1、Voting@100 与 Reranking 评估

上手流程

  • 从 GitHub 克隆仓库
  • 按 README 安装依赖
  • 选择预训练模型与检查点
  • 运行对应的 shell 脚本训练或评估

应用场景

  • 研究人员在 GSM8k 上微调 Codellama
  • 开发者在 mathqa 上微调 Galactica
  • 研究团队在 svamp 上试 ReFT 与 ReFT-Rerank

优点与缺点

✓ 我们认可的地方

  • 预训练检查点可从多个阶段开始微调
  • 提供复现结果所需的代码与数据

! 需要留意的地方

  • 训练需遵循 shell 脚本与 README 指引
  • 使用前需克隆仓库

常见问题

它基于哪些模型?

资料列出 Codellama 和 Galactica,并遵循 Apache 2.0 许可证。

支持哪些评估方式?

资料列出 Top-1、Voting@100 与 Reranking。

最后评测: 2026-11-15

更多 AI 编程工具 工具

查看全部 →

评测方法