dongxi_nlp· @dongxi_nlp · X·· 3 小时前AI 评分
奖励模型将选择变成分数
奖励模型，将选择变成分数 上一篇里，judge 读完《Is OpenAI open?》的各个回答，给每个回答打了分。 “OpenAI is open. It's in the name.”得 2 分，以 partly 开头的回答得 8 分或 10 分。 RL
Reward Model, 选择变成分数
上一篇里，judge 读完 Is OpenAI open? 的各个回答，给每个回答打了分。
OpenAI is open. It's in the name.得 2 分，以 partly 开头的回答得 8 分或 10 分。
RL
来源：dongxi_nlp · x.com