深挖RLHF潜力，复旦语言和视觉团队创新奖励模型优化，让大模型更对齐
深挖RLHF潜力，复旦语言和视觉团队创新奖励模型优化，让大模型更对齐复旦团队进一步挖掘 RLHF 的潜力，重点关注奖励模型（Reward Model）在面对实际应用挑战时的表现和优化途径。
来自主题: AI技术研报
4238 点击 2024-01-16 10:16
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
复旦团队进一步挖掘 RLHF 的潜力，重点关注奖励模型（Reward Model）在面对实际应用挑战时的表现和优化途径。
传闻中OpenAI的Q*，已经引得AI大佬轮番下场。AI2研究科学家Nathan Lambert和英伟达高级科学家Jim Fan都激动的写下长文，猜测Q*和思维树、过程奖励模型、AlphaGo有关。人类离AGI，已是临门一脚了？