ทำความเข้าใจการเปรียบเทียบและการให้คะแนนใน RLHF
ถึงตาคุณแล้ว ลองจินตนาการว่ากำลังออกแบบ AI assistant และต้องการวัดความพึงพอใจของผู้ใช้ คุณกำลังพิจารณาระหว่างการเก็บ feedback แบบเปรียบเทียบกับแบบให้คะแนน แต่ทั้งสองวิธีต่างกันอย่างไร? แต่ละวิธีมีลักษณะเฉพาะของตัวเอง และการเลือกวิธีที่เหมาะสมส่งผลต่อความสำเร็จของผลิตภัณฑ์อย่างมาก
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Reinforcement Learning from Human Feedback (RLHF)
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำจริง
เปลี่ยนทฤษฎีให้เป็นการลงมือทำด้วยแบบฝึกหัดเชิงโต้ตอบหนึ่งในของเรา
เริ่มแบบฝึกหัด