WebRL：自进化在线课程强化学习框架，提升开源大模型网络任务能力的新框架

作者：蚝油菜花发布时间：2024-11-06

清华

WebRL 是清华大学和智谱 AI 联合推出的自进化在线课程强化学习框架，通过自我进化课程学习和结果监督奖励模型（ORM）评估任务成功与否，显著提升了开源 LLM 在 WebArena-Lite 基准...【查看原文】

相关资讯

WebRL：自进化在线课程强化学习框架，提升开源大模型网络任务能力的新框架

WebRL 是清华大学和智谱 AI 联合推出的自进化在线课程强化学习框架，通过自我进化课程学习和结果监督奖励模型（ORM）评估任务成功与否，显著提升了开源 LLM 在 WebArena-Lite 基准

清华

蚝油菜花 2024-11-06

OpenRL强化学习框架，支持单智能体、多智能体训练，还可训练自然语言任务!

OpenRL 是由第四范式强化学习团队开发的基于PyTorch的强化学习研究框架，支持单智能体、多智能体、自然语言等多种任务的训练。OpenRL基于PyTorch进行开发，目标是为强化学习研究社区提供一个简单易用、灵活高效、可持续扩展的平台。目前，OpenRL支持的特性包括：简单易用且支持单智能体、多智能体训练的通用接口支持自然语言任务（如对话任务）的强化学习训练支持从 Hugging Face 上导入模型和数据支持LSTM，GRU，Transformer等模型支持多种训练加速，例如：自动混合精度训练，

第四范式 Hugging Face

OpenRL官方 2023-05-15

近期资讯

反手就是开源，英伟达豪掷7亿美元收购专攻GPU初创Run:ai

历经8个月，斥资约7亿美元，英伟达终于完成对AI初创Run:ai的收购，进一步完善了在AI领域的布局。Run:ai两位创始人表示，他们将会对软件进行开源。

新智元 2024-12-31

上海国资出钱了

首批签约GP出炉。

投资界 2024-12-31

英伟达的最大空头出现了

训练成本仅为GPT-4o的二十分之一

凤凰网科技 2024-12-31

贝好家首进长三角：2024年底落子上海、杭州两地

首次在一线城市成功“拍地”，2025年重点布局北上广等十余个城市。

未来城不落 2024-12-31

曾负债百万、安徽“海归”白手起家：如今“啥都不干”就有客户，每天必爆5000单

内卷的服装产业，何以依托出海又跑出一个“江南曹县”？

天下网商 2024-12-31

「千顾科技」完成B轮4亿元融资，线控底盘定点超50款车型 | 36氪首发

2026年第四季度实现量产EMB。

田哲 2024-12-31

横向对比四大Crypto×AI框架：采用状况、优劣势、增长潜力

未来的百亿级赛道，种子选手们已展开角逐。

Odaily星球日报 2024-12-31

2024年，游戏行业过得怎么样？上百款游戏年内停运

一面海水一面火焰

时代财经 2024-12-31

理想汽车“基因突变”

“画大饼”的背后，是理想的“瓶颈期”焦虑

光子星球 2024-12-31

2024，“大模型六小虎”逐梦AI圈

两家可能掉队，但没有哪家活得很好。

甲子光年 2024-12-31

WebRL：自进化在线课程强化学习框架，提升开源大模型网络任务能力的新框架

推荐体验

相关资讯

WebRL：自进化在线课程强化学习框架，提升开源大模型网络任务能力的新框架

OpenRL强化学习框架，支持单智能体、多智能体训练，还可训练自然语言任务!

研究人员打造即插即用型框架，将多智能体强化学习引入大语言模型

APUS李涛：未来AI大模型的演进将会采用自博弈强化学习新范式

开源的意义-深度学习框架篇

近期资讯

反手就是开源，英伟达豪掷7亿美元收购专攻GPU初创Run:ai

上海国资出钱了

英伟达的最大空头出现了

贝好家首进长三角：2024年底落子上海、杭州两地

曾负债百万、安徽“海归”白手起家：如今“啥都不干”就有客户，每天必爆5000单

「千顾科技」完成B轮4亿元融资，线控底盘定点超50款车型 | 36氪首发

横向对比四大Crypto×AI框架：采用状况、优劣势、增长潜力

2024年，游戏行业过得怎么样？上百款游戏年内停运

理想汽车“基因突变”

2024，“大模型六小虎”逐梦AI圈

推荐体验

AIGC重要产品

AI对话：类ChatGPT产品体验

好用的AI绘画工具

火热的AIGC产品

AIGC近期要闻

大公司发布的大模型产品都有哪些？

政府对AIGC的扶持政策

AIGC对就业的影响：我们会失业吗？

AIGC产业影响

AIGC对内容创作的影响

AIGC对绘画设计领域的影响

AIGC对各行各业的影响