пластмассовый — Aleks B на vc.ru

Полина Лааксо

Сервисы 29.05.2023

«Яндекс» решил «заморозить» сервис вопросов и ответов «Яндекс Кью» — он будет доступен для чтения как архив

Пользователи не смогут публиковать новые заметки с 28 июня 2023 года.

Дополнено в 19:30 мск. Вот как в «Яндексе» прокомментировали vc.ru решение приостановить работу сервиса: «Мы замораживаем, но не закрываем "Кью" и используем эту паузу, чтобы подумать над возможной стратегией развития проекта».

Читать далее

26K26K показов

17K17K открытий

22 репоста

Невероятный Блондин

ChatGPT победил.

Ответить

пластмассовый

Ответить

Дмитрий Кузнецов

ChatGPT вероятно обучался как раз на данных подобного сервиса.
https://ru.wikipedia.org/wiki/Обучение_с_подкреплением_на_основе_отзывов_людей

ru.wikipedia.org

Обучение с подкреплением на основе отзывов людей

Обучение с подкреплением на основе отзывов (RLHF; также обучение с подкреплением на основе человеческих предпочтений) — метод, который обучает «модель вознаграждения» непосредственно на основе отзывов человека и использует её в качестве функции вознаграждения для оптимизации политики агента с использованием обучения с подкреплением (RL). RLHF может улучшить надёжность и исследование агентов RL, особенно когда функция вознаграждения разрежена или зашумлена. Человеческая обратная связь собирается путём просьбы к людям ранжировать случаи поведения агента. Затем эти рейтинги можно использовать для оценки результатов, например, с помощью рейтинговой системы Эло. RLHF применялся к различным областям обработки естественного языка, таким как диалоговые агенты, автоматическое реферирование и понимание естественного языка. Регулярное обучение с подкреплением, когда агенты учатся на своих собственных действиях на основе функции вознаграждения, трудно применить к задачам обработки естественного языка, потому что вознаграждение часто нелегко определить или измерить, особенно при решении сложных задач, связанных с человеческими ценностями или предпочтениями...

Ответить