Quration AIQ

basics

ChatGPT முன்னிருந்த எந்த சாட்பாட்டையும் விட உரையாடல் தொனியில் இருந்ததற்கு ஒரு காரணம்: இண்டர்நெட் உரையில் ப்ரீ-ட்ரெயின் ஆனபிறகு, மனிதர்கள் உண்மையில் விரும்பும் பதில்களை நோக்கி ஃபைன்-டியூன் செய்யப்பட்டது.

இந்த மனித-ஃபீட்பேக் பயிற்சி படியை என்ன அழைக்கிறோம்?

RLHF (மனித ஃபீட்பேக் மூலம் Reinforcement Learning)
RLHF மனித விருப்ப மதிப்பீடுகளை ஒரு ரிவார்ட் சிக்னலாக பயன்படுத்தி மாடலை மேம்படுத்துகிறது. ப்ரீ-ட்ரெயினிங் அது என்ன அறியும் என்பதை உருவாக்குகிறது; அலைன்மென்ட் அது எப்படி பேசும் என்பதை வடிவமைக்கிறது.
▶ Quration AIQ

basics

இந்த வரம்பை என்ன அழைக்கிறோம்?யார் வேண்டுமானாலும் டவுன்லோட் செய்து தங்கள் சர்வரில் ரன் செய்யக்கூடிய 'ஓப்பன்-வெயிட்' மாடல்களின் முதன்மையான லாமா, எந்த நிறுவனத்தால் வெளியிடப்பட்டது?பல வகையான இன்புட் மற்றும் அவுட்புட் கையாளும் மாடல்களை என்ன அழைக்கிறோம்?இந்த 'ரீசனிங் மாடல்கள்' அந்த நிறுத்தத்தில் என்ன செய்கின்றன?இந்த அணுகுமுறையின் பெயர்?அது என்ன?இதற்கு துறையின் ஒரு பெரிய பதில் என்ன?கோடிக்கணக்கான டாலர் பணிகளுக்கு நியாயம் கொடுக்கும் இந்த அனுபவ விதியின் பெயர்?குறிப்பிட்ட வேலைக்கான AI-யை தாண்டி, மனிதனைப்போல பொது இயந்திர அறிவு என்ற இலக்கின் சுருக்கம் என்ன?இவற்றை என்ன அழைக்கிறோம்?இதற்கான உம்ப்ரெல்லா சொல்?இந்த துண்டுகளை என்ன அழைக்கிறோம்?

Quration — Quration AIQ