読み方のヒント

矢印ボタン(または ← → キー)でページを移動できます。

第3節 指示に従うように調整する

第3節のまとめ

  • 事前学習だけのモデルは、頼みごとを文章の書き出しとして扱い、ありそうな続きを書く
  • 頼みごとと、よい答えの組を学習させ、人の評価を報酬にした強化学習で調整して、指示に沿って答えるモデルにする
  • 調整の副作用で、利用者に同意したり、確かでないことを言い切ったりする傾向が残ることがある

12 / 25