大赛共有三个赛道，我们参加了其中的法律文书“相似案例匹配”赛道。相似案例匹配赛题是针对多篇法律文书进行相似度的计算和判断。数据集是“中国裁判文书网”公开的民间借贷相关法律文书，每组数据由三篇法律文书组成。文书主要为案件的事实描述 ...
agent 就是你写的那段程序，trainer 就是一个 actor，reward 是你在 Env 或 ChatAgent 里随手写的任意 Python。剩下的活儿三个大件全包了。README 里反复强调一个数字：大约 8600 行 RL 代码（推文里说的 9K 是个约数），却能撑到 1T 级别的 MoE。 OpenRLHF 的 ...
一些您可能无法访问的结果已被隐去。
显示无法访问的结果