Skip to lesson

मशीनने अनुवादित केले आहे. इंग्रजी आणि हिंदी ही पुनरावलोकित आवृत्त्या आहेत.Englishहिन्दी

  1. Learn
  2. See
  3. Try
  4. Make

इनाम मॉडेल म्हणजे काय

What this lesson is about

निशान लावलेल्या जोड्यांमधून काय तयार होते ते पाहा: एक स्कोरर, जो योग्य उत्तराऐवजी तुमच्या क्रमावर प्रशिक्षित केला जातो.

तुमच्या आठशे निशान लावलेल्या जोड्यांचा संच सोमवारला प्रयोगशाळेत जातो. सहकारी विचारतो की तिथून काय तयार होईल.

Why this matters

प्रकाशित केलेल्या सारांश रनमध्ये हा ढाचा दिसतो. निशान लावलेल्या जोड्यांमुळे स्कोरर प्रशिक्षित होतो, आणि नंतर मॉडेल त्या स्कोररच्या विरुद्ध सुधारले जाते. त्यामुळे तुमची जोडी अशी उत्तर नाही जी मॉडेल नक्कल करेल. ती स्कोररच्या स्वतःच्या शिकवणीतील एक ओळ आहे. नंतर मॉडेल त्या स्कोररला समाधानी करण्यासाठी प्रोत्साहित केले जाते.

Read the primary or official source: Stiennon et al., Learning to summarize from human feedback (arXiv)