Έκθεμα 6.4
4Εκπαίδευση σε οδηγίες
Με παραδείγματα ερωτήσεων και καλών απαντήσεων, μαθαίνει να ακολουθεί οδηγίες και να απαντά ως βοηθός.
Γιατί βρίσκεται στο μουσείο
Ένα σύγχρονο γλωσσικό μοντέλο δεν εμφανίζεται έτοιμο. Περνά από δεδομένα, εκπαίδευση, προσαρμογή, αξιολόγηση και τελικά παραγωγή απάντησης.
Τι στηρίζει το έκθεμα
Πρωτογενής ερευνητική δημοσίευση
Την supervised instruction tuning με ανθρώπινα γραμμένα demonstrations πριν από RLHF.
Κύρια πηγή: Ouyang, L. et al. (2022), InstructGPT.
Τι χρειάζεται προσοχή: Πρωτογενής πηγή για συγκεκριμένη οικογένεια τεχνικών
Ρώτησε το έκθεμα
Ο μικρός ξεναγός αυτής της σελίδας χρησιμοποιεί μόνο όσα υπάρχουν στον φάκελο του εκθέματος. Αν η ερώτηση ζητά κάτι που δεν τεκμηριώνεται εδώ, δεν θα το συμπληρώσει μόνος του.
Μπορείς να ξεκινήσεις με μία από τις ερωτήσεις που βλέπεις πιο πάνω.