公開レッスンプレビュー
教師あり微調整、報酬モデリング、人間のフィードバックからの強化学習を通じて、生の言語モデルがどのように役立つ無害なアシスタントに変換されるかを理解します。
このレッスンを終えると、次を理解できます:
事前トレーニングされた言語モデルは強力ですが、制御されていないエンジンです。詩を書いたり、コードを生成したり、物理学について推論したりすることができますが、有害なコンテンツを生成したり、自信を持って事実を捏造したり、ユーザーの指示を無視したりすることもあります。 調整 は、その生の能力を真に役に立ち、正直で、無害なものへと導くプロセスです。
RLHF とアライメント - ChatGPT が人間の価値観を学習する方法 の一部です AI Canopy（樹冠）
RLHF とアライメント - ChatGPT が人間の価値観を学習する方法はAI Canopy（樹冠）の一部です。アップグレードすると、完全なレッスン、クイズ、進捗トラッキング、すべてのアカデミーを利用できます。
7日間無料。いつでも理由を問わず解約できます。