9 月 13 日消息，昆侖萬(wàn)維發(fā)布了兩款全新的獎(jiǎng)勵(lì)模型 Skywork-Reward-Gemma-2-27B 和 Skywork-Reward-Llama-3.1-8B。在獎(jiǎng)勵(lì)模型評(píng)估基準(zhǔn) RewardBench 上，這兩款模型分別位列排行榜上的第一和第三位。jHM28資訊網(wǎng)——每日最新資訊28at.com

jHM28資訊網(wǎng)——每日最新資訊28at.com

獎(jiǎng)勵(lì)模型（Reward Model）是強(qiáng)化學(xué)習(xí)（Reinforcement Learning）中的核心概念和關(guān)鍵組成，它用于評(píng)估智能體在不同狀態(tài)下的表現(xiàn)，并為智能體提供獎(jiǎng)勵(lì)信號(hào)以指導(dǎo)其學(xué)習(xí)過(guò)程，讓智能體能夠?qū)W習(xí)到在特定環(huán)境下如何做出最優(yōu)選擇。jHM28資訊網(wǎng)——每日最新資訊28at.com

獎(jiǎng)勵(lì)模型在大語(yǔ)言模型（Large Language Model，LLM）的訓(xùn)練中尤為重要，可以幫助模型更好地理解和生成符合人類(lèi)偏好的內(nèi)容。jHM28資訊網(wǎng)——每日最新資訊28at.com

與現(xiàn)有獎(jiǎng)勵(lì)模型不同，Skywork-Reward 的偏序數(shù)據(jù)僅來(lái)自網(wǎng)絡(luò)公開(kāi)數(shù)據(jù)，采用特定的篩選策略，以獲得針對(duì)特定能力和知識(shí)領(lǐng)域的高質(zhì)量的偏好數(shù)據(jù)集。jHM28資訊網(wǎng)——每日最新資訊28at.com

Skywork-Reward 偏序訓(xùn)練數(shù)據(jù)集包含約 80,000 個(gè)樣本，通過(guò)在這些樣本上微調(diào) Gemma-2-27B-it 和 Llama-3.1-8B-Instruct 基座模型，獲得最終的 Skywork-Reward 獎(jiǎng)勵(lì)模型。jHM28資訊網(wǎng)——每日最新資訊28at.com

附相關(guān)鏈接如下：jHM28資訊網(wǎng)——每日最新資訊28at.com

RewardBench 排行榜：https://huggingface.co/spaces/allenai/reward-benchjHM28資訊網(wǎng)——每日最新資訊28at.com

27B 模型地址：https://huggingface.co/Skywork/Skywork-Reward-Gemma-2-27BjHM28資訊網(wǎng)——每日最新資訊28at.com

8B 模型地址：https://huggingface.co/Skywork/Skywork-Reward-Llama-3.1-8BjHM28資訊網(wǎng)——每日最新資訊28at.com

偏序數(shù)據(jù)地址：https://huggingface.co/collections/Skywork/skywork-reward-data-collection-66d7fda6a5098dc77035336djHM28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://www.rrqrq.com/showinfo-45-7291-0.html昆侖萬(wàn)維發(fā)布獎(jiǎng)勵(lì)模型 Skywork-Reward，登頂 RewardBench 排行榜

聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：[email protected]

上一篇： Adobe 預(yù)告 Firefly 文生視頻 AI 模型年內(nèi)登場(chǎng)，可通過(guò)提示詞 靜幀生成動(dòng)態(tài)片段

下一篇： 首次運(yùn)用 AI 技術(shù)助力搜救，2024 年國(guó)際郵輪大規(guī)模綜合應(yīng)急演習(xí)在天津舉行