← 返回卡片

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

核验版本的摘录快照 · 导入于 2026-11-18T14:25:08.849Z

个和3B(90%)个词元的主要实验中获取了MLE运行的检查点,并继续分别针对另外1.6B个和330M个词元对其进行微调。

研究发现,PHF带来了(有时是显著的)更好的对齐效果,这表明从头开始学习期望的行为比学习后再去除不良行为的效果更好。此外,更早地让人类反馈参与进来,可以提高对抗性攻击的鲁棒性。

一些比较结果如图9-13和图9-14所示。在图9-14中,针对使用条件训练进行预训练的语言模型(用实线表示)与仅使用条件

此预览只包含定位所需的摘录和上下文。

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