人間による評価をシミュレートすることで高速＆安価にチャットAIの学習を進められるツール ...

大規模言語モデルの学習においては、実際の人間による評価をモデルの出力に反映させる「Reinforcement Learning from Human Feedback(RLHF)」が行われます。関連キーワードはありません