Sweet Rl

SWEET-RL proporciona un marco para entrenar agentes de modelos de lenguaje grandes (LLM) para participar en interacciones de múltiples turnos en tareas del mundo real. Introduce un nuevo benchmark, ColBench, que permite a los agentes LLM colaborar con socios humanos en tareas de programación de backend y diseño de frontend. La implementación se centra en optimizar el proceso de entrenamiento a través de un nuevo algoritmo de aprendizaje por refuerzo que mejora el rendimiento en la creación de contenido colaborativo.