知识卡片
偏好改善不保证事实改善
更受标注员喜欢的回答,不保证所有事实指标同时改善。原书对照RLHF的不同报告,并展示InstructGPT在适当性、真实性、毒性和幻觉上的不同变化。应分开评估目标,不把总体偏好得分替代事实核验,也不据单次实验宣称RLHF普遍加剧幻觉。
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
尽管RLHF似乎加重了InstructGPT的幻觉问题,但它改善了其他方面的表现。总体而言,人类标注员更喜欢使用RLHF的模型,而不是仅使用监督微调的模型。
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:尽管RLHF似乎加重了InstructGPT的幻觉问题,但它改善了其他方面的表现。总体而言,人类标注员更喜欢使用RLHF的模型,而不是仅使用监督微调的模型。