Aa
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。
閉じる
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
12 / 25