Fsfairx Gemma2 RM V0.1

🚀 Vanilla BTベースの報酬モデル（Gemma-2-9Bベース）

このモデルはGemma-2-9BをベースとしたVanilla BTベースの報酬モデルです。レシピはRLHF Workflowに基づいています。

🚀 クイックスタート

本モデルはGemma-2-9Bを基に構築されたVanilla BTベースの報酬モデルです。以下に報酬ベンチマークの結果を示します。

報酬ベンチマーク結果

引用情報

詳細については、以下の文献を参照してください。

@misc{dong2024rlhf,
      title={RLHF Workflow: From Reward Modeling to Online RLHF}, 
      author={Hanze Dong and Wei Xiong and Bo Pang and Haoxiang Wang and Han Zhao and Yingbo Zhou and Nan Jiang and Doyen Sahoo and Caiming Xiong and Tong Zhang},
      year={2024},
      eprint={2405.07863},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}