AIGC動態歡迎閱讀

原標題：RLHF不夠用了，OpenAI設計出了新的獎勵機制
關鍵字：政策,模型,人類,反饋,數據
文章來源：機器之心
內容字數：0字

內容摘要：

機器之心報道
機器之心編輯部OpenAI 的新獎勵機制，讓大模型更聽話了。自大模型興起以來，使用強化學習從人類反饋（RLHF）中微調語言模型一直是確保 AI 準確遵循指令的首選方法。
為了確保 AI 系統安全運行并與人類價值觀保持一致，我們需要定義期望行為并收集人類反饋來訓練「獎勵模型」。這種模型通過發出期望的動作來指導 AI。但是，收集這些常規和重復任務的人類反饋通常效率不高。此外，如果安全政策發生變化，已經收集的反饋可能會過時，需要新的數據。
我們能否構建一種新的機制來完成這些任務？近日，OpenAI 公布了一種教導 AI 模型遵守安全政策的新方法，稱為基于規則的獎勵（Rule-Based Rewards，RBR）。
相關論文已經放出。論文標題：Rule Based Rewards for Language Model Safety
論文地址：https://cdn.openai.com/rule-based-rewards-for-language-model-safety.pdf
代碼鏈接：https://github.com/openai/safety-rbr-code-an

原文鏈接：RLHF不夠用了，OpenAI設計出了新的獎勵機制

聯系作者

文章來源：機器之心
作者微信：
作者簡介：