datavorous

开发者datavorous在Reddit上分享了一项实验：通过对高尔夫化的JavaScript代码进行微调，并自评4万个样本进行RLHF，训练模型探索Demoscene的语法与未完成代码的可能性。

datavorous的训练分为两个阶段：第一阶段是对高尔夫化JavaScript进行微调，第二阶段是让模型对约4万个样本进行自我美学评分并基于这些评分进行强化学习（自评RLHF）。

由于原始信息仅来自Reddit帖子标题和简短描述，无法得知模型规模、训练数据量、具体评估方法等细节。