1
条回答
写回答
写回答
-
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 打赏
问答标签：
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。
相关问答
问答排行榜
最热
最新
推荐问答
