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