已合并
fix(rl): correct README structure and references #450
zhoujian创建于 27 天前
fix(rl): correct README structure and references #450
已合并
共 1 个文件变更+4-6
| @@ -30,7 +30,7 @@ | |||
| 30 | └── llm_rl/qwen3_wordle/ # 配套训练代码 | 30 | └── llm_rl/qwen3_wordle/ # 配套训练代码 |
| 31 | ``` | 31 | ``` |
| 32 | 32 | ||
| 33 | -> **注意：** 如在本地环境离线体验，需自行安装配套的 CANN 软件，具体请参考 [CANN 安装指南](https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/600alpha003/softwareinstall/instg/atlasdeploy_03_0001.html)。\ | 33 | +> **注意：** 如在本地环境离线体验，需自行安装配套的 CANN 软件，具体请参考 [CANN 安装指南](https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/900/softwareinst/instg/index.html)。\ |
| 34 | > Notebook 用于阅读教程和章节练习。训练任务需在配备 Ascend NPU 的服务器上独立运行。 | 34 | > Notebook 用于阅读教程和章节练习。训练任务需在配备 Ascend NPU 的服务器上独立运行。 |
| 35 | 35 | ||
| 36 | ## 课程内容 | 36 | ## 课程内容 |
| @@ -42,9 +42,7 @@ | |||
| 42 | 42 | ||
| 43 | ## 教程结构 | 43 | ## 教程结构 |
| 44 | 44 | ||
| 45 | -### 01-sft：Wordle SFT 监督微调 | 45 | +### 第 1 章：强化学习训练环境准备 |
| 46 | - | ||
| 47 | -#### 第 1 章：SFT 概念与 Wordle 任务 (`01_sft_and_wordle/`) | ||
| 48 | 46 | ||
| 49 | | Notebook | 内容 | | 47 | | Notebook | 内容 | |
| 50 | |---|---| | 48 | |---|---| |
| @@ -84,7 +82,7 @@ | |||
| 84 | 82 | ||
| 85 | ## 参考 | 83 | ## 参考 |
| 86 | 84 | ||
| 87 | -- [Prime-RL Wordle 示例](https://github.com/PrimeIntellect-ai/prime-rl/tree/main/examples/wordle) | 85 | +- [Prime-RL Wordle 示例](https://github.com/PrimeIntellect-ai/prime-rl/tree/main/examples/basic/wordle) |
| 88 | -- [Verifiers Wordle 奖励源码](https://github.com/PrimeIntellect-ai/verifiers/blob/main/environments/wordle/wordle.py) | 86 | +- [Verifiers Wordle 奖励源码（课程参考版本）](https://github.com/PrimeIntellect-ai/verifiers/blob/8d4b332477aea4a34bbf9fb821e3e3bc8b0e2e74/environments/wordle/wordle.py) |
| 89 | - [verl](https://github.com/volcengine/verl) | 87 | - [verl](https://github.com/volcengine/verl) |
| 90 | - [cann-recipes-train](https://gitcode.com/cann/cann-recipes-train) | 88 | - [cann-recipes-train](https://gitcode.com/cann/cann-recipes-train) |