AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：大模型RLHF不必非得靠人，谷歌：AI反饋效果一樣好

關(guān)鍵字：解讀,模型,人類,反饋,機(jī)器人

文章來源：量子位

內(nèi)容字?jǐn)?shù)：3757字

內(nèi)容摘要：克雷西 發(fā)自 凹非寺量子位 | 公眾號(hào) QbitAI說起現(xiàn)如今訓(xùn)大模型的核心方法，RLHF是繞不開的話題。RLHF，即基于人類反饋的強(qiáng)化學(xué)習(xí)，無論是ChatGPT還是開源的LLaMA都離不開它。但其中的“H”卻是一大瓶頸，因?yàn)槭占哔|(zhì)量的人類反饋實(shí)在是太難了。那能不能交給AI來做呢？的確有人就這么干了，但能否替代RLHF一直沒有定論，直到Google進(jìn)行了這項(xiàng)研究。在一篇新發(fā)布的arXiv論文中，…

原文鏈接：點(diǎn)此閱讀原文：大模型RLHF不必非得靠人，谷歌：AI反饋效果一樣好

聯(lián)系作者

文章來源：量子位

作者微信：QbitAI

作者簡(jiǎn)介：追蹤人工智能新趨勢(shì)，關(guān)注科技行業(yè)新突破