- 博客(8)
- 收藏
- 关注
RSS订阅原创 GPT论文润色prompt模板
我正在准备向XXX（期刊/会议）提交我的学术论文，请按照XXX论文的风格润色每一段。你现在是XXX方面的专家。从专业角度看，你能为我的写作严谨一点吗？我需要你纠正任何语法错误，改善句子结构以适应学术需要，并在必要时使文本更加正式。对于我们需要改进的每一段，你需要把所有修改过的句子放在一个Markdown表中，每一列都包含以下内容：完整的原始句子；最后，重写经过更正的完整段落。由于你的输出长度有限，为了节省空间。请你觉得没必要修改的部分，用省略号即可。如果您理解，请回答：是的，让我们开始吧。
2024-04-19 23:53:42
233
1
转载 【转载】Ubuntu20.04系统CUDA已经安装但nvcc -V显示command not found的解决方案
安装了NVIDIA驱动程序，同时也安装了CUDA，但使用nvcc -V知识补充：为什么要使用nvcc命令？使用nvcc -V命令可以查看CUDA的版本，如下所示为正常的输入、输出内容，可以看出通过nvcc -V命令，可以看到目前所使用的CUDA版本。
2023-12-05 18:22:43
1230
转载 转载-更换镜像源
有时候我们会遇到第三方源找不到库的情况，这个可能是该源没有更新，导致安装失败，这个时候如果换了很多第三方源都安装不了时，我们就需要使用官方源进行安装。通过新建pip文件夹实现，首先在文件资源管理器中搜索 %APPDATA% ，新建一个pip文件夹，新建pip.txt文件，输入以下内容。（4）中国科学技术大学 : https://pypi.mirrors.ustc.edu.cn/simple。（3）清华大学：https://pypi.tuna.tsinghua.edu.cn/simple。
2023-10-25 11:12:02
81
1
原创 RLAIF: Scaling Reinforcement Learning from Human Feedback with AI Feedback（利用人工智能从人类反馈中扩展强化学习反馈）
问题：基于人类反馈的强化学习(RLHF)通过收集人类反馈，以强化学习方法训练LLM，可以更好地理解人类偏好。然而，这个方法有一个很大的问题：收集高质量的人类反馈非常困难和耗时。解决：RLAIF是指使用LLM来代替人类标记偏好，基于这些标记数据训练奖励模型，然后进行RL微调。在这项工作中，我们直接将RLAIF与RLHF在摘要任务上进行了比较。给定一个文本和两个候选回答，我们使用现成的LLM分配一个偏好标签。然后，我们在具有对比损失的LLM偏好上训练奖励模型（RM）。
2023-09-20 18:29:37
200
1
原创 RLHF (Reinforcement Learning from Human Feedback) ，以强化学习方式依据人类反馈优化语言模型
RLHF解决了将预先训练的大型语言模型 (LM) 与人类偏好保持一致的问题。如果我们将文本生成视为一个顺序决策问题，那么强化学习（RL）似乎是一个自然的概念框架。然而，使用强化学习进行基于 LM 的生成面临着实证挑战，包括由于组合动作空间导致的训练不稳定，以及缺乏为 LM 对齐定制的开源库和基准。因此，研究界提出了一个问题：强化学习是 NLP 的实用范式吗？为了帮助回答这个问题，进行了如下实验：首先引入一个开源模块化库 RL4LMs（语言模型强化学习），用于使用 RL 优化语言生成器。
2023-09-20 18:03:08
256
1
原创 解决Pycharm的Settings中Project不见，无法选择Python Interpreter的问题，表现为无法运行项目，print等关键字不自动 补全，项目文件夹处高亮
1.将项目中的.idea文件夹删除，关闭项目，检查项目所在文件夹是否.idea已经不存在，存在则删除（有时可能会存在删除一边另一边还在的情况，确保删除干净）。2.重新打开该项目，自动生成一个新的.idea文件夹，项目恢复正常（如果你本身已经配置好python的情况下），文件夹高亮消失。3.如果仍不能运行，检查project-->settings，配置python。
2023-08-28 15:21:06
632
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人