Quration AIQ

basics

ChatGPT 之所以比之前任何聊天機器人都更像在「對話」，原因之一是：在網路文字上完成預訓練後，它又被進一步調整，朝人類真正喜歡的回答方式微調。

這個利用人類回饋進行訓練的步驟叫什麼？

RLHF（基於人類回饋的強化學習）
RLHF 利用人類的偏好評分作為獎勵訊號來微調模型。預訓練決定它「懂什麼」，對齊訓練則決定它「怎麼說話」。
▶ Quration AIQ

basics

這個上限叫什麼？「開放權重」模型的旗艦代表 Llama，是由哪家公司發布的？我們把這種能同時處理多種輸入與輸出形式的模型叫什麼？這些「推理模型」在停頓期間，到底在做什麼？這種做法叫什麼？它是什麼？業界主要的應對方式是什麼？這條為千億級投資背書的經驗法則叫什麼？這個超越特定任務型 AI、目標是打造像人類一樣通用機器智慧的詞，其縮寫是什麼？這些叫什麼？這個統稱叫什麼？這些小碎片叫什麼？

Quration — Quration AIQ