开发者社区 问答 正文

ChatGPT 的训练可以分为哪几个步骤?

ChatGPT 的训练可以分为哪几个步骤?

展开
收起
夹心789 2024-06-27 12:04:27 124 分享 版权
1 条回答
写回答
取消 提交回答
  • "ChatGPT 的训练可以分为三个步骤:
    首先,根据采集的 SFT 数据集对 GPT-3 进行有监督的微调(Supervised FineTune,SFT);
    其次,收集人工标注的对比数据,训练奖励模型(Reword Model,RM);
    最后,使用 RM 作为强化学习的优化目标,利用 PPO 算法微调 SFT 模型。"

    2024-06-27 13:27:24
    赞同 展开评论
问答地址: