伦敦大学ppe

OpenR是一个由伦敦大学学院（UCL）、上海交通大学、利物浦大学、香港科技大学（广州）和西湖大学联合开源的全链条训练框架，旨在提升大型语言模型（LLM）的复杂推理能力。OpenR集成过程奖励模型（PRM）训练、强化学习、多...