ما المقصود بـRLHF؟
يُسمّى أيضًا: التعلّم المعزّز من ملاحظات البشر
RLHF مرحلة تدريب يقيّم فيها أشخاص إجابات الذكاء الاصطناعي، فيتعلم النموذج تقديم الإجابات المفضّلة.
مثال
يختار المقيّمون الإجابة الأنفع من بين إجابتين، ويتعلم النموذج من آلاف هذه الاختيارات.
للمحترفين
تُستخدم التقييمات لتدريب نموذج مكافأة يُحسَّن به النموذج اللغوي عبر التعلّم المعزّز. من الطرق المشابهة DPO والتدريب بملاحظات الذكاء الاصطناعي. يجعل RLHF النماذج أنفع وأكثر تهذيبًا، لكنه قد يجعلها توافق المستخدم أكثر من اللازم.
كتبه فريق AI Compare Ninja بمساعدة الذكاء الاصطناعي وراجعه بنفسه. كل شرح هنا نص من تأليفنا.