#DPO

共 2 篇相关文章

一个生活中的类比假设你要培训一个新来的客服人员。第一种方式：你给他一大堆标准话术——客户问什么、应该答什么，让他照着学。这叫监督学习。第二种方式：他学完基本话术后开始实际接客。你听他的对话录音，好的回答你点赞，不好的你标个差评，让他慢慢...

一个简单的问题你有没有想过：为什么同样是大语言模型，GPT-3 用起来就像跟一个自说自话的人聊天，而 ChatGPT 用起来就像跟一个靠谱的助手对话？技术上它们的底子差不多——都是 Transformer 架构、都是海量数据训练出来的。但...