Главная / Глоссарий / RLHF (Обучение с подкреплением на основе отзывов людей)
RLHF (Обучение с подкреплением на основе отзывов людей)
RLHF (Reinforcement Learning from Human Feedback)
Метод RLHF улучшает языковые модели, учитывая человеческие оценки и предпочтения при их обучении. Так ИИ учится давать более точные, безопасные и естественные ответы.