))
Illustrating Reinforcement Learning from Human Feedback (RLHF)
Manage episode 429711881 series 3498845
A tartalmat a BlueDot Impact biztosítja. Az összes podcast-tartalmat, beleértve az epizódokat, grafikákat és podcast-leírásokat, közvetlenül a BlueDot Impact vagy a podcast platform partnere tölti fel és biztosítja. Ha úgy gondolja, hogy valaki az Ön engedélye nélkül használja fel a szerzői joggal védett művét, kövesse az itt leírt folyamatot https://hu.player.fm/legal.
This more technical article explains the motivations for a system like RLHF, and adds additional concrete details as to how the RLHF approach is applied to neural networks.
While reading, consider which parts of the technical implementation correspond to the 'values coach' and 'coherence coach' from the previous video.
A podcast by BlueDot Impact.
Learn more on the AI Safety Fundamentals website.
Fejezetek
1. Illustrating Reinforcement Learning from Human Feedback (RLHF) (00:00:00)
2. RLHF: Let’s take it step by step (00:03:16)
3. Pretraining language models (00:03:51)
4. Reward model training (00:05:46)
5. Fine-tuning with RL (00:09:26)
6. Open-source tools for RLHF (00:16:10)
7. What’s next for RLHF? (00:18:20)
8. Further reading (00:21:17)
83 epizódok
Megosztás
