本文由机器之心编辑部撰写，介绍了一种名为ReMax的新算法，专为基于人类反馈的强化学习（RLHF）而设计。相比于最常用的PPO算法，ReMax在计算效率上表现出色，能大幅减少GPU内存占用，并提升两倍的训练速度，同时实现简易性，仅需6行代码。该算法没有性能损失，展现出较高的优势。详细内容可查看原文：在RTX 4090被限制的时代下，让大模型使用RLHF更高效的方法来了。如有兴趣，欢迎联系作者，作者微信：almosthuman2014，专业的人工智能媒体和产业服务平台。
