Quration AIQ

basics

Una razón por la que ChatGPT se sintió mucho más conversacional que cualquier chatbot anterior: tras el preentrenamiento con texto de internet, se ajustó hacia las respuestas que realmente prefieren los humanos.

¿Cómo se llama este paso de entrenamiento con retroalimentación humana?

RLHF (aprendizaje por refuerzo con retroalimentación humana)
El RLHF usa las valoraciones de preferencia humana como señal de recompensa para refinar el modelo. El preentrenamiento construye lo que 'sabe'; el ajuste posterior moldea cómo 'habla'.
▶ Quration AIQ

basics

¿Cómo se llama este límite?¿qué empresa lo lanzó?¿Cómo llamamos a los modelos que manejan múltiples formas de entrada y salida?¿Qué están haciendo estos 'modelos de razonamiento' durante esa pausa?¿Cómo se llama este enfoque?¿Cuál es?¿Cuál es una de las principales respuestas de la industria?¿Cómo se llama esta regla empírica — la justificación de apuestas multimillonarias?¿Cuál es la sigla del objetivo más allá de la IA específica para tareas — una inteligencia artificial tan general como la humana?¿Cómo se llaman?¿Cuál es el término general?¿Cómo se llaman estos fragmentos?

Quration — Quration AIQ