Rlhf

Terms tagged with Rlhf

Definition

Sykofanti er en feilfunksjon i store språkmodeller der systemet prioriterer å behage …

Prefrenselslæring fokuserer på å lære modeller å skille mellom gode og dårlige utdata …

Helpsteer2 er et kuratert datasett lansert av NVIDIA som inneholder parvise …