BriefGPT.xyz
Ask
alpha
关键词
online rlhf methods
搜索结果 - 1
SAIL:大型语言模型的自我改进高效在线对齐
在线学习对于语言模型的对齐与优化是至关重要的,本文提出了一种基于双层优化的在线对齐方法,并通过探索回应和调节偏好标签来迭代生成新样本和改进模型对齐效果,以实现自我提升和广义化先前的在线学习方法。这种方法相比于现有的迭代在线学习方法,在开源数
→
PDF
15 days ago
Prev
Next