tuning_lm_with_rl 有完整运行成功的案例嘛？ about llama-trl

[43zxj]

accelerate launch --multi_gpu --num_machines 1 --num_processes 8 tuning_lm_with_rl.py --log_with wandb --model_name <LLAMA_FINETUNED_MODEL> --reward_model_name <LLAMA_RM_MODEL> --adafactor False --tokenizer_name <LLAMA_TOKENIZER> --save_freq 100 --output_max_length 128 --batch_size 8 --gradient_accumulation_steps 8 --batched_gen True --ppo_epochs 4 --learning_rate 1.4e-5 --early_stopping True --output_dir './checkpoints/tuning_llama_rl/'

请问 <LLAMA_RM_MODEL> 是指的哪个文件？是 「Wenzhong-GPT2-110M_peft_gpt-4-llm_rm_xxx_xx」 还是原base模型？求解答

想跟您联系与合作，谢谢。我的微信：xyj15764222030

请问您知道<LLAMA_RM_MODEL>、<LLAMA_RM_MODEL>和<LLAMA_TOKENIZER>这三个分别指哪个文件了吗？非常期待您的回复，谢谢！