跳转到主要内容
TechGene
技术基因
故事
技术百科
关系图谱
⌕
搜索技术、故事或正文
English
人类反馈强化学习 的关系图
查找局部图谱
⌕
局部关系图谱
当前节点
当前范围
范围外周边
拖拽 · 滚轮缩放
关系筛选
演化自
源自
依赖
促成
应用于
替代
特化
跨领域迁移
实现
组成部分
选择图中技术
人类反馈强化学习
大语言模型
强化学习
可见关系
当前已加载 · 2 条
人类反馈强化学习
→
大语言模型
应用于
2022年InstructGPT研究展示人类反馈强化学习用于语言模型后训练；并非所有语言模型或所有指令微调都使用RLHF。
人类反馈强化学习
→
强化学习
源自
RLHF借用强化学习优化框架，以从人类偏好中学到的奖励替代完全手写的目标信号。