Quration AIQ

basics

ChatGPT پہلے کے کسی بھی چیٹ بوٹ کے مقابلے میں کہیں زیادہ 'انسانوں جیسا' محسوس ہونے کی ایک وجہ یہ تھی: انٹرنیٹ کے متن پر pre-training کے بعد اسے ایسے جوابات دینے پر fine-tune کیا گیا جو انسانوں کو واقعی پسند آتے ہیں۔

اس human-feedback ٹریننگ مرحلے کو کیا کہا جاتا ہے؟

RLHF (Reinforcement Learning from Human Feedback)
RLHF انسانی پسندیدگی کی درجہ بندی کو reward signal کے طور پر استعمال کرتے ہوئے ماڈل کو بہتر بناتا ہے۔ Pre-training ماڈل کے علم کی بنیاد رکھتی ہے؛ alignment اس کے بولنے کے انداز کو سنوارتی ہے۔
▶ Quration AIQ

basics

اس حد کو کیا کہا جاتا ہے؟Llama — وہ 'open-weight' ماڈلز کا سب سے مشہور نام — کس کمپنی نے جاری کیا؟ایسے ماڈلز جو مختلف طرح کی input اور output ہینڈل کریں، کیا کہلاتے ہیں؟یہ 'reasoning models' اس وقفے میں کیا کرتے ہیں؟اس طریقہ کار کو کیا کہا جاتا ہے؟یہ تکنیک اپنا نام روحوں کو refine کرنے کے عمل سے لیتی ہے۔ یہ کیا ہے؟اس کے جواب میں انڈسٹری کے اہم اقدامات میں سے ایک کیا ہے؟اربوں ڈالر کے سرمائے کی توجیہ بننے والے اس تجرباتی اصول کو کیا کہا جاتا ہے؟کسی مخصوص کام کے لیے AI سے آگے، انسان جیسی عمومی مصنوعی ذہانت کے مقصد کا مخفف کیا ہے؟انہیں کیا کہا جاتا ہے؟اس کے لیے چھتری کی طرح استعمال ہونے والی اصطلاح کیا ہے؟ان ٹکڑوں کو کیا کہا جاتا ہے؟

Quration — Quration AIQ