来自 Hugging Face 的 AI 项目

Shard-Reward

Glint-Research · 工具包

给一个提示词的回复打一个分数，方便你按提示词给候选回答排序。这是 49.4M 的奖励模型，用 282,062 条偏好对比训练，适合筛选或比较模型输出的人。

RL Environments on Hugging Face

FineEnvs · 工具包

让你浏览 Hugging Face Hub 上的强化学习环境，查看它们的任务和奖励，并运行智能体 rollout 来比较结果。适合强化学习和智能体研究者。