原书出处
AI工程:大模型应用开发实战
奖励模型接收一个(提示词,响应)对,并对响应在给定提示词下的质量进行评分。多年来,奖励模型已成功应用于RLHF。Cappy就是谷歌开发的一个奖励模型(Tan等,“Cappy: Outperforming and Boosting Large Mult
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section011.xhtml
EPUB SHA-256:88cc0279def68dead5c5d18f8e4cac1378f2a41584ffdd2bb425a4a28b5280af