آموزش یادگیری تقویتشده از بازخورد انسانی (RLHF) - آخرین آپدیت
دانلود Reinforcement Learning from Human Feedback (RLHF)
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
سرفصل ها و درس ها
درک برنامههای تولید متن Understanding Text-generative Applications
-
ترنسفورمر پیشآموزشدیده مولد (GPT) Generative Pre-trained Transformer (GPT)
-
پاسخها چگونه تولید میشوند؟ How Are Responses Generated?
مشکل مدلهای GPT پیشآموزشدیده چیست؟ What Is Wrong with the Pre-trained GPT Model?
-
مشکل مدلهای GPT پیشآموزشدیده چیست؟ What Is Wrong with the Pre-trained GPT Model?
تنظیم دقیق نظارتشده (SFT) Supervised Fine-tuning
-
تنظیم دقیق نظارتشده Supervised Fine-tuning
آموزش مدل پاداش Reward Model Training
-
اجزای یادگیری تقویتشده Reinforcement Learning Components
-
بهکارگیری یادگیری تقویتشده Applying Reinforcement Learning
تنظیم دقیق از طریق یادگیری تقویتشده Fine-tuning via Reinforcement Learning
-
تنظیم دقیق از طریق یادگیری تقویتشده Fine-tuning via Reinforcement Learning
چالشهای RLHF و نقش RLAIF در حل آنها Challenges of RLHF and How RLAIF Can Help
-
چالشهای RLHF Challenges of RLHF
-
یادگیری تقویتشده از بازخورد هوش مصنوعی (RLAIF) Reinforcement Learning from AI Feedback (RLAIF)
https://donyad.com/d/100008
Jerry Kurata
جری دارای مدرک کارشناسی علوم زمین شناسی و فیزیک است. برنامه های وی برای کار در صنعت اکتشاف نفت ، هنگامی که فهمید ترجیح می دهد به جای خواندن نمونه های گِل و هسته در دریای شمال ، برای کار در شبیه سازی و پردازش داده ها با رایانه کار کند ، مورد پیگرد قرار گرفت. عشق او به رایانه و فن آوری باعث شد که وی در حالی که مدرک کارشناسی ارشد خود را در رشته علوم کامپیوتر می گیرد ، ساعتهای بیشتری را صرف کار با کامپیوتر کند. زمینه های فعلی علاقه وی شامل یادگیری ماشین ، بیگ دیتا ، سیستم های رایانه ای کوچک و پوشیدنی ، رباتیک و راه حل های ساختن است که به افراد کمک می کند. هنگامی که با کامپیوتر کار نمی کند ، جری از گذراندن وقت با خانواده اش ، مسافرت و عکس گرفتن از زیبایی های دنیای ما لذت می برد.
نمایش نظرات