Підсумуємо вашу подорож RLHF

Reinforcement Learning from Human Feedback (RLHF)

Mina Parham

AI Engineer

Стартуємо з базових понять

Ілюстрація людини у світі, що працює на ШІ.

Reinforcement Learning from Human Feedback (RLHF)

Збір якісного зворотного зв'язку

  Людина тримає два плакати: з іконкою «Accepted» та з іконкою «Rejected».

Reinforcement Learning from Human Feedback (RLHF)

Моделі винагород і участь людини в циклі

Ілюстрація: людина їде на чотиримісному велосипеді з трьома роботами — символ співпраці людей і машин.

Reinforcement Learning from Human Feedback (RLHF)

Метрики та оцінювання

Іконки чотирьох колег із лупою розглядають метрики на великому екрані — оцінювання моделі.

Reinforcement Learning from Human Feedback (RLHF)

Вітаємо!

Reinforcement Learning from Human Feedback (RLHF)

Preparing Video For Download...