AIGC動態(tài)歡迎閱讀

原標題：RL 是 LLM 的新范式
關鍵字：模型,數(shù)據(jù),人類,算法,指令
文章來源：智猩猩GenAI
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

AGI 正在迎來新范式，RL 是 LLM 的秘密武器。最近幾個月，我們能明顯感受到頭部 AI labs 在形成一些新：post training 的重要程度在提高，需要的計算資源可能在未來超過 pre training；RL 成為提高模型 reasoning 能力的重要范式，需要大量的探索和突破。今天我們討論的 Agent 也是從強化學習中最早被定義的。曾在 OpenAI 負責 post-traning 的John Schulman是 RL 的擁躉和布道者，他認為，post-training 是模型變得越來越聰明的重要原因，而 RLHF 是這其中最重要的技術 tricks。John Schulman 對 RLHF 的信仰來自他在 OpenAI 的親身實踐：GPT-4 的 Elo 分數(shù)之所以能比第一代 GPT 高出 100 分也和 post-traning 的提升相關。
Scaling law 讓 AI 更聰明，而 RL 讓 AI 更有用。我們相信，RL 會在 LLM 發(fā)展中扮演越來越重要的作用。
為了幫助大家更全面理解 RL，邊塞科技的創(chuàng)始人及 CEO 吳翼將分享 RL 的基本原理

原文鏈接：RL 是 LLM 的新范式

聯(lián)系作者

文章來源：智猩猩GenAI
作者微信：
作者簡介：