Fsfairx Gemma2 RM V0.1

🚀 基於Gemma-2-9B的Vanilla BT獎勵模型

本項目是一個基於Gemma-2-9B的Vanilla BT獎勵模型，其訓練配方源自RLHF工作流程。該模型在多個維度上展現出了優秀的性能。

🚀 快速開始

本獎勵模型在多個評估指標上有著出色的表現，以下是具體的獎勵基準測試結果：

更多詳細信息請參考以下論文：

@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}
}