選好学習とは

AIが生成した複数の回答に対して「どちらが人間にとって好ましいか」という比較データを与え、人間好みの受け答えができるよう調整する手法。

たとえるなら — 試食会で「AよりBのほうが美味しい」という客の好みの投票結果をもとに、料理人が味付けを微調整していくような学習です。