Введите хотя бы 2 символа для поиска по всем отраслям.
Что значит RLHF?
Значение и примеры · Искусственный интеллект
RLHF: обучение с подкреплением на основе отзывов людей, RLHF
Этап обучения, на котором люди ранжируют ответы модели, модель вознаграждения усваивает их предпочтения, а LLM настраивают на более высокую оценку.
Где и как употребляется
Это часть постобучения после предварительного обучения и обучения с учителем. RLHF помогло сделать чат-модели полезнее и вежливее. В RLAIF часть отзывов заменяется оценками ИИ, а DPO обучается предпочтениям без отдельной модели вознаграждения.
Примеры предложений
After RLHF, our testers rated the model's answers as much more helpful.
После RLHF наши тестировщики оценили ответы модели как гораздо более полезные.
Обучение на человеческих предпочтениях улучшило воспринимаемое качество ответов.
We worked with medical experts to rank answers for the RLHF data.
Для данных RLHF мы привлекли медицинских экспертов ранжировать ответы.
Предпочтения в специализированной области оценивали специалисты-медики.
Распространённые словосочетания
- RLHF stage
- reward model
- human preference data
- preference tuning
Связанные термины
Это слово в других отраслях
Одно и то же английское слово может иметь другое значение в другой отрасли:
Другие термины: Дообучение и адаптация
Закрепляйте лексику чтением
Тексты подходящего уровня помогают запоминать новые слова. Выберите бесплатные книги на английском: