deepgym
可驗證獎勵的強化學習環境，值得信賴。沙盒化的程式碼與電腦使用任務，驗證者與答案分離，對抗reward h的QA閘門
deepgym 是什麼？
可驗證獎勵的強化學習環境，值得信賴。沙盒化的程式碼與電腦使用任務，驗證者與答案分離，對抗獎勵駭客的QA閘門，以及基礎設施故障不影響訓練。可與verl、TRL、OpenRLHF和Axolotl搭配使用。
你是這個專案的維護者嗎？展示它已收錄於 YunoDB。
Markdown
[](https://yunodb.com/tools/deepgymdeepgym?utm_source=github&utm_medium=badge)HTML
<a href="https://yunodb.com/tools/deepgymdeepgym?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/deepgymdeepgym.svg" alt="Featured on YunoDB" height="20"></a>繼續探索
查看所有替代工具 
