Подводим итоги: ваш путь в RLHF

Обучение с подкреплением на основе обратной связи от людей (RLHF)

Mina Parham

AI Engineer

Начало пути: базовые концепции

Иллюстрация: человек в мире с искусственным интеллектом.

Обучение с подкреплением на основе обратной связи от людей (RLHF)

Сбор качественной обратной связи

  Человек держит два знака: с иконкой «Принято» и иконкой «Отклонено».

Обучение с подкреплением на основе обратной связи от людей (RLHF)

Модели вознаграждения и обратная связь от человека

Иллюстрация: человек едет на четырёхместном велосипеде вместе с тремя роботами — символ сотрудничества людей и машин.

Обучение с подкреплением на основе обратной связи от людей (RLHF)

Метрики и оценка модели

Иконки четырёх коллег с лупой, изучающих метрики на большом экране — символ оценки модели.

Обучение с подкреплением на основе обратной связи от людей (RLHF)

Поздравляем!

Обучение с подкреплением на основе обратной связи от людей (RLHF)

Preparing Video For Download...