RLHF

计算机 · 让人给AI打分调模型 / 训狗

术语解释

Reinforcement Learning from Human Feedback。用人类反馈训练奖励模型，再用强化学习优化。

怎么理解

RLHF=训狗：人给模型打分，模型根据分数调整自己。

在交互版里浏览「计算机」的全部词条 →