知识卡片
BestofN可只在输出端选
Best of N先生成多个候选,再用奖励模型等方法选择较好输出。它可以不对生成模型继续做强化学习训练,而在使用阶段增加生成和选择计算。收益依赖候选多样性和评分器可靠性,不保证N增加就无条件更好。
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
他们让模型生成多个输出,然后选择奖励模型评分最高的输出。这种方法通常被称为best of N策略,它利用模型的输出采样过程来提升性能。下一节将详细介绍best of N策略的工作原理。
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:他们让模型生成多个输出,然后选择奖励模型评分最高的输出。这种方法通常被称为best of N策略,它利用模型的输出采样过程来提升性能。下一节将详细介绍best of N策略的工作原理。