章节出错了,点此刷新,刷新后小编会在两分钟内校正章节内容,请稍后再试。
会议厅，罗靖环视众：“如一问是对一孩释什是登入火星，给的回答是一了火星。这对话内容为一数据集，让灵境GPT进学习，光是课不毕业，毕业做、考试。”
罗靖环视众笑：“实是一個馈，所们接来的任务是给灵境GPT来类馈的强学习，当是参考试。回答错误，修；回答确，进一步学习，灵境GPT过考试拿足够的学来证己的。”
回头瞄了眼会议屏幕且按了遥控器，罗靖条清晰说：“具怎做呢？还是刚刚的问举例，给一孩释什叫登陆火星，让微调过的是完课的灵境GPT来回答，会答案，A释、B释战争、C释火星是一、D类了火星。”
说这里，罗靖顿了片刻继续说：“是根据真实、无害、有帮助若干维来给这答案排序、评，排序结构是D＞C＞B＝A，是将这问答案及答案的排序，将这数据集拿来训练一奖励模型，训练的目标是让模型的评标准接近排序标准。”