PPO
- Código Abierto
TRL: Hugging Face's Transformer Reinforcement Learning Library
The alignment of large language models with human preferences is one of the most important challenges in AI development. TRL (huggingface/trl on...
- Código Abierto
TinyZero: Reproduciendo el Razonamiento de DeepSeek R1-Zero con RL por Menos de $30
DeepSeek R1-Zero fue ampliamente considerado un gran avance cuando se lanzó en enero de 2025. El modelo demostró que el aprendizaje por refuerzo puro...