Új hozzászólás Aktív témák

• #39 BE4GLE aktív tag Apollyon #36

  Új Válasz 2023-02-03 12:08:37 #39

  Új hozzászólás

  Összes hozzászólása itt Válaszok az összes hozzászólására itt Válaszok erre a hozzászólásra

  Privát üzenet küldése

  

  BE4GLE

  aktív tag

  válasz Apollyon #36 üzenetére

  Én a FAQ-nál kicsit többet olvastam már róla. A supervised és a reinforcment learning megvan? Talán félreértetted, amit írtam? Nem te tanítod, miközben játszol vele. De emberektől kap megerősítést.

• #32 BE4GLE aktív tag Apollyon #30

  Új Válasz 2023-02-03 10:34:00 #32

  Új hozzászólás

  Összes hozzászólása itt Válaszok az összes hozzászólására itt Válaszok erre a hozzászólásra

  Privát üzenet küldése

  

  BE4GLE

  aktív tag

  válasz Apollyon #30 üzenetére

  "Egy adott threadben a már elhangzott témában tud referálni és ennyi."

  Nem egészen. Egy adott téma nagyon sok thread-ben előfordul. Sokszor butaság is. Bizonyos témák pedig kevés thread-ben, vagy egyáltalán nem. Ahhoz, hogy el tudja dönteni mi a preferált output, kapnia kell egy visszacsatolást.

  "Egyedül a devek tudják módosítani"

  Szerintem olvasd el, hogyan is néz ki a reward model a ChatGPT esetében.

• #29 BE4GLE aktív tag aprokaroka87 #27

  Új Válasz 2023-02-03 09:55:08 #29

  Új hozzászólás

  Összes hozzászólása itt Válaszok az összes hozzászólására itt Válaszok erre a hozzászólásra

  Privát üzenet küldése

  

  BE4GLE

  aktív tag

  válasz aprokaroka87 #27 üzenetére

  Fejleszteni? Minek? Ez eleve zsákutca. Ez a jó öreg alignment problem. A ChatGPT-t arra tanítják, hogy emberszerű válaszokat adjon, és ehez emberektől kap pozitív, vagy negatív visszacsatolást. A "helyes" válasz a ChatGPT részéről irreleváns. Vagyis nem bízhatsz a válaszában.

Új hozzászólás Aktív témák