LLaMA-O1：一个大型推理模型框架，用于 PyTorch 和 HuggingFace 的训练、推理和评估，集成了蒙特卡洛树搜索（MCTS）、自我对弈强化学习、PPO、AlphaGo Zero 的双

【LLaMA-O1：一个大型推理模型框架，用于 PyTorch 和 HuggingFace 的训练、推理和评估，集成了蒙特卡洛树搜索（MCTS）、自我对弈强化学习、PPO、AlphaGo Zero 的双策略范式和大型语言模型】'LLaMA-O1: Open Large Reasoning Model Frameworks For Training, Inference and Evaluation With PyTorch and HuggingFace' GitHub: github.com/SimpleBerry/LLaMA-O1 大型推理模型 蒙特卡洛树搜索 PyTorch HuggingFace