fanta_orange_grape https://blog.hatena.ne.jp/fanta_orange_grape/ AIうぉ－－！(ai-wo-katsuyo-shitai !) https://ai-de-seikei.hatenablog.com/ 対象論文 論文でポイントだと思ったこと 人間の嗜好を報酬信号として 概要(Deepl訳） イントロダクション(の一部)(Deepl訳） コメント 対象論文 https://arxiv.org/pdf/2203.02155.pdf 論文でポイントだと思ったこと 人間の嗜好を報酬信号として ・・・この手法は、人間の嗜好を報酬信号として使い、モデルを微調整するものです。・・・ 概要(Deepl訳） 言語モデルを大きくしても、ユーザーの意図に沿うことができるようになるとは限りません。例えば、大きな言語モデルは、真実味のない、有害な、あるいは単にユーザーにとって役に立たない出力を生成することがあります。… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fai-de-seikei.hatenablog.com%2Fentry%2F2023%2F04%2F12%2F005110" title="論文『Training language models to follow instructions with human feedback』を読む - AIうぉ－－！(ai-wo-katsuyo-shitai !)" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2023-04-12 00:51:10 rich https://ai-de-seikei.hatenablog.com/entry/2023/04/12/005110 1.0 100%