(相关资料图)
谷歌DeepMind于8月21日发布论文，提出一种使LLM与人类偏好对齐更简单的算法ReST（Reinforced Self-Training）。不同于RLHF（基于人类反馈的强化学习）使用人类反馈改进语言模型，ReST通过生成和使用离线数据进行训练，从而使得LLM与人类偏好保持一致。研究团队表示，虽然ReST可用于所有生成任务，但本文的重点是机器翻译。研究者在机器翻译任务上进行了实验，测试基准包括IWSLT 2014、WMT 2020和Web Domain。结果表明，ReST可以极大地提高翻译质量。
关键词：
上一篇： 莱亚(关于莱亚简述)
下一篇： 最后一页
2元女装批发
网站首页| 关于我们 | 联系我们| 合作伙伴 | 广告投放 | 招贤纳士| 增值服务| 使用条款 | 用户反馈
服务电话:180151838 QQ客服: E-mail: 3 392 950@qq.com
声明: 迅捷汽车网部分文章来自互联网,如侵犯了您的版权请告之，我站将第一时间内删除 !
未经迅捷汽车网许可，禁止建立迅捷汽车网镜像，禁止抄袭迅捷汽车网数据。欢迎许可转载，注明出处！
Copyright©2010 - 2018 auto.xjche365.com All rights reserved 迅捷汽车网 版权所有 浙ICP备2022016517号-9
版权所有 抄袭必究
手机版
