Nemotron-4-340B-Reward

简介:

多维奖励模型,助力构建自定义大型语言模型。

功能:

支持最多4096个标记的上下文长度。

能够对助手的回应进行五个属性的评分:有帮助性、正确性、连贯性、复杂性和冗余度。

可以作为传统的奖励模型使用,输出单一标量值。

在NVIDIA开放模型许可下,模型商业可用,允许创建和分发衍生模型。

适用于英语合成数据生成和基于AI反馈的英语强化学习。

可以用于对预训练模型进行对齐,以符合人类偏好,或作为奖励模型作为评判使用。

需求人群:

"目标受众为AI研究人员和开发者,特别是那些致力于构建和优化大型语言模型的专业人士。此模型能够帮助他们通过合成数据生成和强化学习技术,提高模型的性能和对齐度。"

浏览量:31

s1785318098921236

打开站点

构建AI去赚钱
s1785341518918206
类似产品

© 2024     AIbase    备案号:闽ICP备08105208号-14

隐私政策

用户协议

意见反馈 网站地图