> For clean Markdown of any page, append .md to the page URL.
> For a complete documentation index, see https://fr.nvidia-localization.ferndocs.com/fr/llms.txt.
> For AI client integration (Claude Code, Cursor, etc.), connect to the MCP server at https://fr.nvidia-localization.ferndocs.com/fr/_mcp/server.

# nemo\_rl.models.policy.lm\_policy

## Contenu du Module

### Classes

| Nom                                           | Description                                                              |
| --------------------------------------------- | ------------------------------------------------------------------------ |
| [`Policy`](#nemorlmodelspolicylmpolicypolicy) | Classe de base abstraite définissant l'interface pour les politiques RL. |

### Données

`PathLike`

### API

```python
nemo_rl.models.policy.lm_policy.PathLike
```

**Valeur**: `None`

```python
class nemo_rl.models.policy.lm_policy.Policy(cluster: nemo_rl.distributed.virtual_cluster.RayVirtualCluster, config: nemo_rl.models.policy.PolicyConfig, tokenizer: transformers.PreTrainedTokenizerBase, name_prefix: str = 'lm_policy', workers_per_node: typing.Optional[typing.Union[int, list[int]]] = None, init_optimizer: bool = True, weights_path: typing.Optional[nemo_rl.models.policy.lm_policy.PathLike] = None, optimizer_path: typing.Optional[nemo_rl.models.policy.lm_policy.PathLike] = None, init_reference_model: bool = True, processor: typing.Optional[transformers.AutoProcessor] = None)
```

**Bases**: `nemo_rl.models.policy.interfaces.ColocatablePolicyInterface`, `nemo_rl.models.generation.interfaces.GenerationInterface`

```python
init_collective(
    ip: str,
    port: int,
    world_size: int
) -> list[ray.ObjectRef]
```

Initialiser la communication collective.

```python
get_logprobs(data: nemo_rl.distributed.batched_data_dict.BatchedDataDict[nemo_rl.models.generation.interfaces.GenerationDatumSpec]) -> nemo_rl.distributed.batched_data_dict.BatchedDataDict[nemo_rl.models.policy.interfaces.LogprobOutputSpec]
```

Obtenir les logprobs du modèle pour un dictionnaire de données.

Retourne :
Un BatchedDataDict avec la clé "logprobs" et la forme \[batch\_size, sequence\_length].
Nous utilisons la convention que le logprob du premier token est 0 afin de maintenir la longueur de séquence.
Le logprob du token d'entrée i est spécifié à la position i dans le tenseur de logprobs de sortie.

(The rest of the document follows the same translation pattern)