lm-human-preferences

状态： 存档（代码提供如原样，不予更新）

它不包含生成标签的代码。 但是，我们已经发布了用于我们实验收集的人工标签，位于 gs://lm-human-preferences/labels。 对于感兴趣的人来说，问题和标签模式很简单，并在 label_types.py 中进行了说明。

• 安装 tensorflow: 安装 CUDA 10.0 和 cuDNN 7.6.2,然后执行 pipenv install tensorflow-gpu==1.13.1。理论上,代码可以在 CPU 上运行与 tensorflow,但速度会非常慢。

以下示例假设我们希望训练一个模型以物理描述的方式继续文本。您可以阅读 launch.py 来了解 descriptiveness 实验的过程。