सार्वजनिक पाठ पूर्वावलोकन
समझें कि कच्चे भाषा मॉडल supervised फ़ाइन-ट्यूनिंग, रिवॉर्ड मॉडलिंग और मानव फ़ीडबैक से रीइन्फ़ोर्समेंट लर्निंग के माध्यम से सहायक, अहानिकर सहायकों में कैसे बदले जाते हैं।
इस पाठ के अंत तक, आप समझेंगे:
पहले से प्रशिक्षित भाषा मॉडल शक्तिशाली लेकिन अनियंत्रित इंजन है। वह कविता लिख सकता है, कोड जनरेट कर सकता है और भौतिकी पर तर्क कर सकता है, लेकिन वह विषाक्त सामग्री भी बना सकता है, आत्मविश्वास से तथ्य गढ़ सकता है और उपयोगकर्ता निर्देश अनदेखा कर सकता है। अलाइनमेंट वह प्रक्रिया है जो इस कच्ची क्षमता को सचमुच सहायक, ईमानदार और अहानिकर बनने की दिशा में मोड़ती है।
RLHF और अलाइनमेंट - ChatGPT मानव मूल्यों को कैसे सीखता है का हिस्सा है AI Canopy
RLHF और अलाइनमेंट - ChatGPT मानव मूल्यों को कैसे सीखता है, AI Canopy का हिस्सा है। पूरा पाठ, क्विज़, प्रगति ट्रैकिंग और सभी अकादमी अनलॉक करने के लिए अपग्रेड करें।
7 दिन मुफ़्त। कभी भी रद्द करें, कोई सवाल नहीं पूछा जाएगा।