元宇宙的文旅賽道，還能如何發力？
來源：X增強現實蘋果推出Vision Pro，為XR行業注入一劑強心針。而在蘋果開發者大會上迪士尼CEO鮑勃·艾格在宣布迪士尼與蘋果達成合作，其Disney+流媒體服務將于Vision Pro
9 月 13 日消息，昆侖萬維發布了兩款全新的獎勵模型 Skywork-Reward-Gemma-2-27B 和 Skywork-Reward-Llama-3.1-8B。在獎勵模型評估基準 RewardBench 上，這兩款模型分別位列排行榜上的第一和第三位。
獎勵模型（Reward Model）是強化學習（Reinforcement Learning）中的核心概念和關鍵組成，它用于評估智能體在不同狀態下的表現，并為智能體提供獎勵信號以指導其學習過程，讓智能體能夠學習到在特定環境下如何做出最優選擇。
獎勵模型在大語言模型（Large Language Model，LLM）的訓練中尤為重要，可以幫助模型更好地理解和生成符合人類偏好的內容。
與現有獎勵模型不同，Skywork-Reward 的偏序數據僅來自網絡公開數據，采用特定的篩選策略，以獲得針對特定能力和知識領域的高質量的偏好數據集。
Skywork-Reward 偏序訓練數據集包含約 80,000 個樣本，通過在這些樣本上微調 Gemma-2-27B-it 和 Llama-3.1-8B-Instruct 基座模型，獲得最終的 Skywork-Reward 獎勵模型。
附相關鏈接如下：
RewardBench 排行榜：https://huggingface.co/spaces/allenai/reward-bench
27B 模型地址：https://huggingface.co/Skywork/Skywork-Reward-Gemma-2-27B
8B 模型地址：https://huggingface.co/Skywork/Skywork-Reward-Llama-3.1-8B
偏序數據地址：https://huggingface.co/collections/Skywork/skywork-reward-data-collection-66d7fda6a5098dc77035336d
本文鏈接：http://www.tebozhan.com/showinfo-45-7210-0.html昆侖萬維發布獎勵模型 Skywork-Reward，登頂 RewardBench 排行榜
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號