miu4930 https://blog.hatena.ne.jp/miu4930/ Vポイントマーケティング｜TECH LABの Tech Blog https://techblog.vpoint.co.jp/ LLMs RLHF こんにちは、CCCMKホールディングス TECH LAB三浦です。 なんだか急に涼しくなってきました。過ごしやすくなってありがたいのですが、急な気温の変化に体が付いていけていないです・・・。こういう時期はちゃんと睡眠をとらないと、と意識するようになりました。 今回は以前から気になっていた、Reinforcement Learning from Human Feedback(RLHF)という強化学習の手法について調べてみました。 LMがより好ましいテキストを生成出来るようにする 大量のテキストデータによって自然なテキストを生成できることが出来るようになった言語モデル(Language model… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftechblog.vpoint.co.jp%2Fentry%2F2023%2F09%2F26%2F135228" title="Reinforcement Learning from Human Feedback(RLHF)について調べて実装まで試してみました！ - Vポイントマーケティング｜TECH LABの Tech Blog" 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 2023-09-26 13:52:28 rich https://techblog.vpoint.co.jp/entry/2023/09/26/135228 1.0 100%