uclaml/SPPO

The official implementation of Self-Play Preference Optimization (SPPO)

Huấn luyện & fine-tunePython Apache-2.0 48tạo 2024-06-13

Sao

589

Tăng 1 ngày

Tăng 7 ngày

—

Tăng 30 ngày

—

Lịch sử sao

Bắt đầu theo dõi: 2026-11-13

#deep-learning#fine-tuning#large-language-models#rlhf#self-play

Người đóng góp nhiều nhất

Chưa thu thập (chạy job contributors).

uclaml/SPPO · AI Repo Stats