मानवीय प्रतिक्रिया से सीखना (RLHF)
अभी लेख नहीं है। दूसरे लेख पहले से यहाँ लिंक करते हैं, इसलिए यह लिखे जाने की कतार में है।
$ grep -l "मानवीय प्रतिक्रिया से सीखना (RLHF)" ~/wiki
# सेवा पृष्ठ: noindex, ताकि सर्च इंजन साइट को खोखला न समझें
तथ्य · 2
- ChatGPT की शुरुआतशिक्षा · काम और पेशे · मीडिया और सूचना · चैटबॉट · openai.com ↗
- OpenAI InstructGPT का वर्णन करता है: मॉडल को लोगों के आकलनों पर फ़ाइन-ट्यून किया जाता है (RLHF), और लोग 1.3 अरब पैरामीटर वाले संस्करण के जवाबों को 175 अरब वाले GPT-3 के जवाबों से ज़्यादा पसंद करते हैंविज्ञान · मानवीय प्रतिक्रिया से सीखना (RLHF) · arxiv.org ↗