Quration AIQ

basics

ChatGPT आधीच्या कोणत्याही चॅटबॉटपेक्षा जास्त 'माणसासारखं' संभाषण करू शकण्याचं एक कारण: इंटरनेटवरील मजकुरावर प्री-ट्रेनिंग केल्यानंतर, माणसांना खरंच आवडतील अशी उत्तरं देण्यासाठी त्याला पुन्हा ट्यून केलं गेलं.

या मानवी-फीडबॅक ट्रेनिंग पायरीला काय म्हणतात?

RLHF (Reinforcement Learning from Human Feedback)
RLHF मानवी पसंतीच्या रेटिंग्जचा वापर रिवॉर्ड सिग्नल म्हणून करून मॉडेल सुधारतं. प्री-ट्रेनिंग ज्ञान देतं; अलाइनमेंट बोलण्याची पद्धत घडवतं.
▶ Quration AIQ

basics

या मर्यादेला काय म्हणतात?कोणीही डाउनलोड करून स्वतःच्या सर्व्हरवर चालवू शकेल असं 'ओपन-वेट' मॉडेल Llama, हे कोणत्या कंपनीने रिलीज केलं?अशा वेगवेगळ्या प्रकारच्या इनपुट-आउटपुट हाताळणाऱ्या मॉडेल्सला काय म्हणतात?हे 'रिझनिंग मॉडेल्स' त्या थांबण्याच्या वेळात काय करत असतात?या पद्धतीला काय म्हणतात?ते काय?उद्योगाच्या मुख्य प्रतिसादांपैकी एक काय?अनेक वर्षं AI उद्योगावर एक साधी धारणा राज्य करत होती: 'मॉडेल, डेटा आणि गणनाशक्ती वाढवा, तर कामगिरी अंदाजितरीत्या सुधारते.' अब्जावधी डॉलर्सच्या गुंतवणुकीचं समर्थन करणाऱ्या या प्रायोगिक नियमाला काय म्हणतात?विशिष्ट कामांपुरतं मर्यादित नसलेल्या, माणसासारख्या सर्वसाधारण मशीन इंटेलिजन्सच्या ध्येयासाठी वापरलं जाणारं शॉर्ट-फॉर्म काय?यांना काय म्हणतात?याला काय म्हणतात?या तुकड्यांना काय म्हणतात?

Quration — Quration AIQ