Vista de la clase

Introducción a RLHF y DPO: conceptos clave y diferencias

Concepto claveEl Fine-tuning de LLMs con técnicas de aprendizaje por refuerzo representa un salto cualitativo en la alineación de modelos de lenguaje con preferencias humanas. RLHF (Reinforcement Learning from Human Feedback) es.

Duración estimada: 0 minutos