MLinfo | 機械学習・AI論文まとめ

MLinfo|日々更新される技術をキャッチアップ/検索

「RLHF」の検索結果

4 件

すべて arxiv github huggingface 実装あり

githubGitHubあり2026-11-03

OpenRLHF — An Easy-to-use, Scalable and High-performance Agentic RL Framework based on Ray (PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL)

OpenRLHFは、Ray上に構築された強化学習フレームワークです。このフレームワークは、PPO、DAPO、REINFORCE++など、様々な強化学習アルゴリズムをサポートしています。

深層学習Transformer画像

用途: 強化学習フレームワーク
難易度: Easy
コスト: High

arxivPaper only2026-11-02

Forecasting How RLHF Responds to Reward-Model Edits Before Training

Responses with headers, lists and greater length receive high scores from reward models (RMs), and RLHF polici

品質予測/異常検知深層学習軽量化・量子化予測

用途: 予測
難易度: Hard
コスト: High

arxivPaper only2026-10-16

Proportionality in Ranking Compression

Motivated by applications in reinforcement learning from human feedback, we consider a setting where a given c

強化学習RLHF

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

githubGitHubあり2026-10-09

Awesome-Process-Reward-Models — A comprehensive collection of process reward models.

医療では、イメージャは単に画像を解釈するのではなく、複数の画像を比較して診断を行うことが多い。しかし、現在の技術ではこのような比較を行うことは困難であるため、メドリコのDBというデータセットを利用することで、医療の比較推

強化学習RLHF

用途: 医療における画像の比較
難易度: Easy
コスト: Medium