LlamaGym - Fine-tuning agen LLM melalui pembelajaran penguatan online

• Menyederhanakan penyesuaian halus agen berbasis LLM melalui pembelajaran penguatan (RL)
• Saat ini, LlamaGym menyediakan satu kelas abstrak Agent yang memungkinkan eksperimen dan iterasi cepat untuk prompting agen dan hyperparameter di lingkungan Gym
• Pengguna dapat mendefinisikan agen berbasis LLM mereka sendiri dengan mengimplementasikan 3 metode abstrak pada kelas Agent

Cara penggunaan

• Setelah memasang LlamaGym, buat agen pemain blackjack dengan mengimplementasikan 3 metode abstrak pada kelas Agent.
• Tentukan LLM dasar dan instansiasikan agen, lalu tulis loop RL agar agen dapat bertindak, menerima hadiah, dan mengakhiri episode.
• Karena pembelajaran online melalui pembelajaran penguatan adalah bagian yang sulit, penyesuaian hyperparameter diperlukan, dan tahap fine-tuning terawasi dapat membantu.