Quration AIQ

basics

Salah satu alasan ChatGPT terasa jauh lebih 'nyambung' saat diajak bicara dibanding chatbot mana pun sebelumnya: setelah pra-pelatihan dengan teks internet, model ini disesuaikan lagi ke arah jawaban yang benar-benar disukai manusia.

Apa nama langkah pelatihan berbasis umpan balik manusia ini?

RLHF (Reinforcement Learning from Human Feedback)
RLHF menggunakan penilaian preferensi manusia sebagai sinyal imbalan untuk menyempurnakan model. Pra-pelatihan membangun apa yang diketahuinya; penyelarasan (alignment) membentuk cara ia berbicara.
▶ Quration AIQ

basics

Apa nama batas ini?Llama, andalan model 'open-weight' yang bisa diunduh dan dijalankan siapa saja di server mereka sendiri, dirilis oleh perusahaan mana?Apa sebutan untuk model yang menangani berbagai bentuk input dan output sekaligus?Apa yang dilakukan 'model penalaran' ini selama momen diam tersebut?Apa sebutan untuk pendekatan ini?Apa itu?Apa salah satu respons utama industri?Apa nama aturan empiris ini — pembenaran di balik taruhan miliaran dolar?Apa akronim untuk tujuan di luar AI khusus tugas — kecerdasan mesin yang seumum kecerdasan manusia?Apa sebutan untuk ini?Apa istilah payungnya?Apa nama potongan-potongan ini?

Quration — Quration AIQ