原书出处
大语言模型-基础与前沿 (熊涛)
09 第9章 对齐语言模型与人类偏好
迭代循环——Feedback(反馈)和Refine(优化),它们协同工作以生成高质量的输出。如图9-9和图9-10所示,
Self-Refine的核心思想是由同一底层语言模型在少样本设置中同时执行反馈和优化。这种方法可以生成高质量的文本,而不需要大量的监督或昂贵的人工注释。
▲图9-9 Self-Refine的工作流程(图片来源:Madaan et al,2023) ▲图9-10 Self-R
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter11.xhtml
EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d