Lior-Baruch/Thesis_PTO_GRPO

• 类型：github
• 标识：Lior-Baruch/Thesis_PTO_GRPO
• 链接：https://github.com/Lior-Baruch/Thesis_PTO_GRPO
• 主题：llm-infra
• 主分类：engineering
• 形态：app
• 分类：ai
• Stars：0
• 周增：+0
• 语言：Jupyter Notebook
• 许可：MIT
• 最近提交：2026-10-09
• 简介：Training small LLM therapists for Motivational Interviewing with look-ahead rewards: Preference Tree Optimization (PTO) vs GRPO, with simulated patients and LLM judges. Master's thesis, Reichman University.
• 上次采集：2026-10-09
• 首次采集：2026-10-09
• 待LLM分类：否
• 成熟度：experimental
• 简介中文：用前瞻性奖励训练面向动机式访谈的小型 LLM 治疗师：Preference Tree Optimization (PTO) vs GRPO，配合模拟患者和 LLM 评委。里赫曼大学硕士论文。
• 来源文件：
• [GitHub Search]