38-大模型（LLMs）强化学习—— PPO 面.pdf

wzf0072

2页

0次

2025-07-10

5墨值下载

大模型（LLMs）强化学习—— PPO 面

来自： AiGC面试宝典

宁静致远 2024年01月27日 20:47

一、大语言模型RLHF中的PPO主要分哪些步骤？

大语言模型RLHF中的PPO 分为：

对应的实现逻辑如下：

二、举例描述一下大语言模型的RLHF？

大语言模型的RLHF，实际上是模型先试错再学习的过程。

大语言模型的RLHF 好比是：老师与学生的角色

• 大模型（LLMs）强化学习—— PPO 面

• 一、大语言模型RLHF中的PPO主要分哪些步骤？

• 二、举例描述一下大语言模型的RLHF？

• 三、大语言模型RLHF 采样篇

• 3.1 什么是 PPO 中采样过程？

• 3.2 介绍一下 PPO 中采样策略？

• 3.3 PPO 中采样策略中，如何评估“收益”？

• 参考

1. 采样

2. 反馈

3. 学习

policy_model = load_model()

for k in range(20000):

# 采样（生成答案）

prompts = sample_prompt()

data = respond(policy_model, prompts)

# 反馈（计算奖励）

rewards = reward_func(reward_model, data)

# 学习（更新参数）

for epoch in range(4):

policy_model = train(policy_model, prompts, data, rewards)

• 我们扮演着老师的角色，给出有趣的问题。模型则会像小学生一样，不断尝试给出答案。

• 模型会根据我们给出的问题，写出它觉得正确的答案，但是这些答案不一定是真的答案，需要我们结合正确

答案进行打分。如果它表现得好，就会给予它高声赞扬；如果它表现不佳，我们则会给予它耐心的指导和反

馈，帮助它不断改进，直到达到令人满意的水平。

扫码加

三、大语言模型RLHF 采样篇

3.1 什么是 PPO 中采样过程？

PPO 中采样过程：学生回答问题的过程，是模型根据提示（prompt）输出回答（response）的过程，或者说是

模型自行生产训练数据的过程。

eg:

3.2 介绍一下 PPO 中采样策略？

PPO 中采样工作通过一种策略（policy）：policy由两个模型组成，一个叫做演员模型（Actor），另一个叫

做评论家模型（Critic）。它们就像是学生大脑中的两种意识，一个负责决策，一个负责总结得失。

演员：我们想要训练出来的大模型。在用PPO训练它之前，它就是RLHF的第一步训练出来的

SFT（Supervised Fine-Tuning）model。输入一段上下文，它将输出下一个token的概率分布。

评论家：强化学习的辅助模型，输入一段上下文，它将输出下一个token的“收益”。

3.3 PPO 中采样策略中，如何评估“收益”？

从下一个token开始，模型能够获得的总奖励（浮点数标量）。这里说的奖励包括Reward Model给出的奖励。

知识星球

of 2

5墨值下载

大模型强化学习—— ppo 面

关注