Sweet Rl
Benchmark and research code for the paper SWEET-RL Training Multi-Turn LLM Agents onCollaborative Reasoning Tasks
Über
SWEET-RL bietet ein Framework zum Training von großen Sprachmodell (LLM) Agenten, um in Multi-Turn-Interaktionen für reale Aufgaben zu agieren. Es führt einen neuen Benchmark, ColBench, ein, der es LLM-Agenten ermöglicht, mit menschlichen Partnern an Backend-Programmierung und Frontend-Design-Aufgaben zusammenzuarbeiten. Die Implementierung konzentriert sich darauf, den Trainingsprozess durch einen neuartigen Reinforcement-Learning-Algorithmus zu optimieren, der die Leistung bei der kollaborativen Inhaltserstellung verbessert.
Open Source Health
- Stars
- 271
- Forks
- 12
- License
- Not stated
- Last commit
- 1 years ago
Alternativen zu Sweet Rl
- RPG_KDD2025von FacebookresearchDieses Repository bietet den Code zur Implementierung von RPG, wie in unserem KDD'25-Paper "Generierung von langen semantischen IDs in Parallel für Empfehlungen" beschrieben.
- Daggervon Daggerder fehlende Software-Stack für CI
- Seamless Communicationvon FacebookresearchGrundlagenmodelle für moderne Sprach- und Textübersetzung
- OrienterNetvon FacebookresearchQuellcode für das Papier "OrienterNet Visuelle Lokalisierung in 2D-Öffentlichen Karten mit Neuronaler Zuordnung"
- Matrixvon FacebookresearchMatrix (Multi-Agent daTa geneRation Infra und eXperimentation Framework) ist eine vielseitige Engine zur Generierung von Multi-Agenten-Konversationsdaten.
Ressourcen & Links
Verwandte Kategorien
Nutzt du Sweet Rl?
Behalte die Kosten neben dem Rest deines Stacks im Blick und lass dich vor der Verlängerung erinnern.
Zu meinem Stack hinzufügenAnbieter
Facebookresearch
Publisher of Fairseq
