知识卡片
专用裁判的输入决定评估任务
奖励模型输入提示词与一个响应并输出质量分;基于参考的裁判额外依赖参考响应;偏好模型输入提示词与两个响应,输出更受偏好的候选。它们解决不同测量问题,分值范围和依据不能互换。
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
- · 评估方法论
原书出处 · 1 处
- · 查看原书依据
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
参考来源
- 位置:《AI工程:大模型应用开发实战》第3章《评估方法论》(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/Section011.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: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