Anima
Anima copied to clipboard
关于rlhf中source_max_length和target_max_len
在 qlora_dpo.py中,看到对chosen 进行 max_length=self.source_max_len
的tokenize,对rejected进行max_length=self.target_max_len
的tokenize,为什么呢?
https://github.com/lyogavin/Anima/blob/dc691b2958f50a6d73a239b0e13c341ce6b2d60f/rlhf/qlora_dpo.py#L491
我们以为source_max_len是指instruction + query 的lenth,target_max_len是response的length