Введіть щонайменше 2 символи для пошуку в усіх галузях.
Що означає RLHF?
Значення й приклади · Розробка програмного забезпечення
RLHF: RLHF, навчання з підкріпленням на основі людського зворотного зв’язку
Скорочення від reinforcement learning from human feedback: етап навчання, на якому люди ранжують відповіді моделі, модель винагороди засвоює їхні вподобання, а LLM налаштовують на вищі оцінки.
Де і як уживається
Це частина post-training після попереднього навчання й навчання з учителем. RLHF відіграло значну роль у тому, щоб чат-моделі стали кориснішими й ввічливішими. Пов’язані методи — RLAIF, де частину людського відгуку замінює ШІ, і DPO, що навчається на вподобаннях без окремої моделі винагороди.
Приклади речень
After RLHF, our testers rated the model's answers as much more helpful.
Після RLHF тестувальники оцінили відповіді моделі як значно корисніші.
Людські оцінки використовують для налаштування відповідей відповідно до вподобань.
We worked with medical experts to rank answers for the RLHF data.
Для даних RLHF ми залучили медичних фахівців ранжувати відповіді.
Експерти оцінювали відповіді у своїй предметній галузі.
Поширені словосполучення
- RLHF stage
- reward model
- human preference data
- preference tuning
Пов’язані терміни
Це слово в інших галузях
Те саме англійське слово може мати інше значення в іншій галузі:
Інші терміни: Машинне навчання й обробка даних
- artificial intelligence · штучний інтелект
- machine learning · машинне навчання
- model · модель
- dataset · набір даних
- training data · тренувальні дані
- label · мітка
- train · навчати модель
- supervised learning · навчання з учителем
- neural network · нейронна мережа
- deep learning · глибинне навчання
- loss function · функція втрат
- overfitting · перенавчання
Закріплюйте лексику читанням
Тексти відповідного рівня допомагають запам’ятовувати нові слова. Оберіть безкоштовні книжки англійською: