Quration AIQ

basics

ChatGPTがそれまでのどのチャットボットよりも「話が通じる」と感じられた理由の一つは、インターネットのテキストで事前学習した後、人が好む答え方に沿うようさらに調整する訓練を行ったことです。

この人のフィードバックを反映する追加訓練を何と呼ぶでしょうか？

RLHF(人間のフィードバックによる強化学習)
RLHFは人が付けた回答の好みを報酬信号として使い、モデルを調整する手法です。「知識」を作る事前学習と、「話し方」を作る調整段階は別のステップです。
▶ Quration AIQ

basics

この上限を何と呼ぶでしょうか？その代表格Llamaは、どの企業が公開したものでしょうか？こうした複数の形式の入出力を扱うモデルを何と呼ぶでしょうか？この「推論モデル」がその時間に行っていることは？この方式を何と呼ぶでしょうか？蒸留酒を作る工程から名前を取ったこの手法は？業界が見出した対応策の一つは？数千億円規模の投資の根拠となったこの経験則の名前は？この目標の略称は？数学・コーディング・知識の問題集でモデルを採点し比較するこれは？この総称は？この単位の名前は？

Quration — Quration AIQ