BriefGPT.xyz
大模型
Ask
alpha
关键词
data perspective
搜索结果 - 1
大型语言模型中 RLHF 的秘密之二:奖励建模
从数据和算法的角度出发,本文针对强化学习通过人类反馈进行优化的技术中面临的困难提出了解决方法,包括使用多个奖励模型进行数据评估和投票机制来消除数据中错误和模糊偏好的影响,并引入对比学习和元学习来增强奖励模型的区分能力和泛化能力,从而实现迭代
→
PDF
6 months ago
Prev
Next