Reward Model Deberta V3 Base
模型简介
该奖励模型经过训练,能够根据给定的问题预测人类认为哪个生成的答案更优。适用于问答模型评估和基于人类反馈的强化学习(RLHF)中的奖励评分。
模型特点
人类反馈训练
模型基于人类反馈数据进行训练,能够准确预测人类偏好的答案
多数据集训练
在webgpt_comparisons、summarize_from_feedback和synthetic-instruct-gptj-pairwise等多个数据集上进行训练
跨领域适用
适用于问答和摘要生成等多种文本生成任务的评估
模型能力
答案质量评估
文本生成评分
强化学习奖励计算
使用案例
问答系统
问答模型评估
评估不同问答模型生成的答案质量
强化学习
RLHF奖励模型
在基于人类反馈的强化学习中作为奖励函数
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98