LlamaGym - ajuste fino de agentes LLM mediante aprendizaje por refuerzo en línea

• Simplifica el ajuste fino de agentes basados en LLM mediante aprendizaje por refuerzo (RL)
• Actualmente, LlamaGym ofrece una única clase de abstracción Agent que permite iterar y experimentar rápidamente con prompting de agentes e hiperparámetros en entornos Gym
• Los usuarios pueden definir su propio agente basado en LLM implementando 3 métodos abstractos en la clase Agent

Uso

• Después de instalar LlamaGym, se crea un agente jugador de blackjack implementando 3 métodos abstractos en la clase Agent.
• Se define el LLM base, se instancia el agente y luego se escribe el bucle de RL para que el agente actúe, reciba recompensas y termine los episodios.
• El aprendizaje en línea mediante aprendizaje por refuerzo es la parte difícil, por lo que se necesita ajuste de hiperparámetros, y una etapa de ajuste fino supervisado puede ser útil.