什么是人类反馈信号强化学习（RLHF）？
什么是人类反馈信号强化学习（RLHF）？
展开
收起
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
1
条回答
写回答
-
人类反馈信号强化学习（RLHF）是指使用强化学习的方式直接优化带有人类反馈的语言模型，使模型能够与复杂的人类价值观“对齐”。它负责在GPT的预训练中微调模型，使得模型回答具有人类偏好。
2024-05-30 14:26:52赞同 1 展开评论
相关问答