LlamaGym - Çevrimiçi pekiştirmeli öğrenme ile LLM ajanlarının ince ayarı

• LLM tabanlı ajanların pekiştirmeli öğrenme (RL) ile ince ayarlanmasını basitleştirir
• Şu anda LlamaGym, Gym ortamında ajan istemlerini ve hiperparametreleri hızlıca yinelemeyi ve denemeyi sağlayan tek bir Agent soyut sınıfı sunar
• Kullanıcılar, Agent sınıfındaki 3 soyut metodu uygulayarak kendi LLM tabanlı ajanlarını tanımlayabilir

Kullanım

• LlamaGym kurulduktan sonra, Agent sınıfındaki 3 soyut metod uygulanarak bir blackjack oyuncusu ajanı oluşturulur.
• Temel LLM tanımlanır ve ajanın bir örneği oluşturulduktan sonra, ajanın eylemde bulunmasını, ödül almasını ve bölümü sonlandırmasını sağlayan bir RL döngüsü yazılır.
• Pekiştirmeli öğrenme ile çevrimiçi öğrenme zorlayıcı olduğundan hiperparametre ayarı gerekir; ayrıca denetimli ince ayar aşaması da faydalı olabilir.