对比偏好学习

斯坦福提出对比偏好学习：无需强化学习即可从人类反馈中学习

我们知道，ChatGPT 的成功离不开 RLHF 这个「秘密武器」。不过 RLHF 并不是完美无缺的，存在难以处理的优化难题。本文中，斯坦福大学等研究机构的团队探索用「对比偏好学习」替换掉「强化学习」，在速度和性能上都有不俗的表现。在模型与人类意图对齐方面，根据人类反馈的强化学习（RLHF）已经成为一大流行范式。通常来说，RLHF 算法的工作过程分为两个阶段：一、使用人类偏好学习一个奖励函数；二、通过使用强化学习优化所学习的奖励来对齐模型。RLHF 范式假定人类偏好的分布遵照奖励，但近期有研究认为情况并非如此，人类

11/13/2023 11:56:00 AM

机器之心

资讯热榜

OpenAI 宣布印度用户可享受一年免费 ChatGPT Go 服务 LangChain V1.0 深度解析：手把手带你跑通全新智能体架构软银豪掷225亿美元加码OpenAI，AI音乐与超级融资计划全面提速 OpenAI 收购苹果 “快捷指令” 原团队新创公司 LLM近一半回答在扭曲真相！ChatGPT、Gemini，全部顶流模型统统中招！BBC研究：AI系统性错误把媒体拖下水，信任滑坡消息称软银批准对 OpenAI 追加 225 亿美元投资，助力未来上市 OpenAI 披露：每周有超过一百万人与 ChatGPT 倾诉自杀倾向中小企业AI落地的算力“最优解”：一台插电即用的Mac mini

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek 谷歌 AI绘画机器人大模型数据 Midjourney 开源 Meta 智能微软用户 AI新词 GPT 学习技术智能体马斯克 Gemini 图像 Anthropic 英伟达 AI创作训练 LLM 论文代码算法 Agent AI for Science 芯片苹果腾讯 Stable Diffusion Claude 蛋白质开发者生成式神经网络 xAI 机器学习 3D RAG 人形机器人研究 AI视频生成大语言模型具身智能 Sora 工具 GPU 百度华为计算字节跳动 AI设计 AGI 大型语言模型搜索视频生成场景深度学习 DeepMind 架构生成式AI 编程视觉 Transformer 预测 AI模型伟达亚马逊 MCP