Rlhf

Terms tagged with Rlhf

Definition

Sycophantie je selháním velkých jazykových modelů, kdy systém upřednostňuje zalíbení se …

Učení preferencí se zaměřuje na učení modelů rozlišovat mezi dobrými a špatnými výstupy …

Helpsteer2 je pečlivě vybraná sada dat uvolněná společností NVIDIA, která obsahuje párová …