آموزش یادگیری تقویتی از بازخورد انسانی (RLHF)

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

آشنایی با برنامه های کاربردی تولید متن Understanding Text-generative Applications

• آشنایی با برنامه های کاربردی تولید متن Understanding Text-generative Applications

مشکل مدل GPT از پیش آموزش دیده چیست؟ What Is Wrong with the Pre-trained GPT Model?

• مشکل مدل GPT از پیش آموزش دیده چیست؟ What Is Wrong with the Pre-trained GPT Model?

نظارت بر تنظیم دقیق Supervised Fine-tuning

• نظارت بر تنظیم دقیق Supervised Fine-tuning

آموزش مدل پاداش Reward Model Training

• مولفه های یادگیری تقویتی Reinforcement Learning Components

• استفاده از یادگیری تقویتی Applying Reinforcement Learning

تنظیم دقیق از طریق یادگیری تقویتی Fine-tuning via Reinforcement Learning

• تنظیم دقیق از طریق یادگیری تقویتی Fine-tuning via Reinforcement Learning

چالش ها و محدودیت های RLHF Challenges and Limitations of RLHF

• چالش ها و محدودیت های RLHF Challenges and Limitations of RLHF