1. Learn
    2. /
  2. Курси
    3. /
  3. Reinforcement Learning from Human Feedback (RLHF)
Connected

Вправа

Налаштування тренера винагород

Ваш проєкт триває, і тепер у вас є об'єкти model і config, готові до початку навчання моделі винагороди.

Тренувальний і оцінювальний набори даних попередньо завантажено як train_data та eval_data. RewardTrainer імпортовано з trl.

Інструкції

100 XP
  • Ініціалізуйте RewardTrainer(), призначивши його атрибутам модель, токенайзер, тренувальний набір даних, оцінювальний набір даних і конфігурацію винагороди.