来自香港中文大学（深圳）、南京大学等机构的华人团队发表论文，介绍了一种名为ReMax的新算法，专为RLHF（基于人类反馈的强化学习）而设计。ReMax在计算效率和实现简易性上超越了最常用的算法PPO，约减少50%的GPU内存，实现2倍的训练速度提升，核心部分实现只需6行代码，且性能没有损失。
