知识卡片
偏好对齐没有单一人群
“人类偏好”并非所有人一致的单一标准。争议议题中,过度回应和过度拒绝都可能使部分用户不满,标注人群和任务目标会影响优化方向。因此应说明采用了谁的偏好与评价范围,不能将一个奖励分数解释为普遍正确。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 理解基础模型
原书出处 · 1 处
- · 查看原书依据
不同文化、政治、社会经济、性别和宗教背景的人们经常存在分歧。AI应该如何回应有关堕胎、枪支管控、地区冲突、儿童管教、大麻合法性、全民基本收入或移民等问题?我们如何定义和识别潜在的争议性话题?如果你的模型对争议性话题做出了回应,无论回应如何,总会引起一
参考来源
- 位置:《AI工程:大模型应用开发实战》第2章《理解基础模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section010.xhtml)
- 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。
- 原始内容:不同文化、政治、社会经济、性别和宗教背景的人们经常存在分歧。AI应该如何回应有关堕胎、枪支管控、地区冲突、儿童管教、大麻合法性、全民基本收入或移民等问题?我们如何定义和识别潜在的争议性话题?如果你的模型对争议性话题做出了回应,无论回应如何,总会引起一