Quration AIQ

basics

ChatGPT पहले के किसी भी चैटबॉट से कहीं ज़्यादा 'बातचीत जैसा' क्यों लगा — इसकी एक वजह यह थी कि इंटरनेट टेक्स्ट पर प्री-ट्रेनिंग के बाद इसे इंसानों की पसंद के मुताबिक फाइन-ट्यून किया गया।

इस ह्यूमन-फीडबैक ट्रेनिंग स्टेप को क्या कहा जाता है?

RLHF (रीइन्फोर्समेंट लर्निंग फ्रॉम ह्यूमन फीडबैक)
RLHF इंसानों की पसंद-नापसंद की रेटिंग को रिवॉर्ड सिग्नल की तरह इस्तेमाल कर मॉडल को बेहतर बनाता है। प्री-ट्रेनिंग यह तय करती है कि मॉडल क्या जानता है; अलाइनमेंट यह तय करता है कि वह कैसे बोलता है।
▶ Quration AIQ

basics

इस सीमा को क्या कहा जाता है?Llama, जो 'ओपन-वेट' मॉडल्स का फ्लैगशिप है, किस कंपनी ने रिलीज़ किया?ऐसे मॉडल्स जो कई तरह के इनपुट-आउटपुट संभालते हैं, उन्हें क्या कहा जाता है?इस रुकावट के दौरान ये 'रीज़निंग मॉडल्स' असल में क्या कर रहे होते हैं?इस अप्रोच को क्या कहा जाता है?यह क्या है?इंडस्ट्री का एक बड़ा जवाब क्या है?इसे क्या कहा जाता है?टास्क-स्पेसिफिक AI से आगे बढ़कर, इंसान जैसी सामान्य समझ वाली मशीन इंटेलिजेंस के गोल का एक्रोनिम क्या है?इन्हें क्या कहा जाता है?इसका छत्रीय (umbrella) नाम क्या है?इन टुकड़ों को क्या कहा जाता है?

Quration — Quration AIQ