AI Safety
Nash İnsan Geri Bildiriminden Öğrenme
Rémi Munos, Michal Valko, Daniele Calandriello ve 14 kişi daha
Türkçe özetÖzeti gizle: Nash İnsan Geri Bildiriminden Öğrenme
İnsan geri bildiriminden pekiştirmeli öğrenme (RLHF), büyük dil modellerini (LLM'ler) insan tercihleriyle uyumlu hale getirmek için ana paradigma olarak ortaya çıkmıştır. Tipik olarak, RLHF, genellikle önceden eğitilmiş bir LLM tarafından üretilen metin nesilleri çiftleri arasındaki tercihler olarak... Devamı: Nash İnsan Geri Bildiriminden Öğrenme
