您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
模型:
sileod/deberta-v3-large-tasksource-rlhf-reward-model
英文在Anthropic/hh-rlhf上微调的基于奖励模型的 deberta-v3-large-tasksource-nli
1个时期以1e-5学习率进行微调。
数据在论文 Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback 中有描述。
验证准确度当前为最好的公开报告准确度：75.16%（相比OpenAssistant/reward-model-deberta-v3-large-v2的69.25%）。