开发者社区 问答 正文

在 ChatGPT 的训练过程中,RLHF 起了什么作用?

在 ChatGPT 的训练过程中,RLHF 起了什么作用?

展开
收起
夹心789 2024-06-27 12:04:27 89 分享 版权
1 条回答
写回答
取消 提交回答
  • 在 ChatGPT 的训练过程中,RLHF(人类反馈强化学习)起到了关键作用。它通过指示学习构建训练样本来训练一个奖励模型(RM),然后使用该奖励模型的打分来指导强化学习模型的训练。

    2024-06-27 13:27:25
    赞同 2 展开评论
问答标签:
问答地址: