logo
2
17

人类反馈强化学习的反馈数据怎么来的？

大模型开发/互助问答

  • 数据集
  • 大模型训练
  • 大模型推理
2023.08.259217看过
如果是人工标注的话，大概的流程、人工、规模，减轻标注负担的方法是什么样的？还有就是reward模型用的哪个？

评论
用户头像

相关推荐
作者头像
十万个为什么呢

相关文章

热点话题