文章预览
2024-11-05 17:27
本条微博链接
#大模型# 【让大模型在自博弈中不断进化，与人类偏好对齐，Deepmind联合芝加哥大学团队提出开放式RLHF框架eva】 #大语言模型# （Large Language Model，LLM）能自己对自己进行优化，与人类的偏好进行对齐吗？ 此前，LLM 对齐的主流方法还是通过人类反馈 #强化学习# （Reinforcement Learning from Human Feedback，RLHF）对模型进行微调，但这种方法通常依赖于静态的人工提示分布。随着语言模型的能力不断增强
………………………………
