RLHFとは
AIの複数の回答に人間が優劣を付け、好まれる回答を強化学習で増やす手法。ChatGPT を「対話が上手なAI」にした立役者。
たとえるなら — 接客研修。お客様アンケートの高評価が多い応対を伸ばしていく。
研究学習と評価人間のフィードバックによる強化学習
「RLHF」が出てきたニュース
アプリなら毎朝1件、注目のAIニュースが届きます
アプリなら、記事を読みながら分からない用語をその場でタップして確認できます。
AIの複数の回答に人間が優劣を付け、好まれる回答を強化学習で増やす手法。ChatGPT を「対話が上手なAI」にした立役者。
たとえるなら — 接客研修。お客様アンケートの高評価が多い応対を伸ばしていく。