AIGC動態歡迎閱讀

原標題：ChatGPT「秘方」竟在拖LLM后腿？Karpathy、LeCun聯手開懟RLHF！
關鍵字：人類,模型,圍棋,定義,智能
文章來源：新智元
內容字數：0字

內容摘要：

新智元報道編輯：喬楊好困
【新智元導讀】RLHF到底是不是強化學習？最近，AI大佬圈因為這個討論炸鍋了。和LeCun同為質疑派的Karpathy表示：比起那種讓AlphaGo在圍棋中擊敗人類的強化學習，RLHF還差得遠呢。昨天，Andrej Karpathy又發了長推，不過用了一句很有爭議的話開頭——「RLHF只是勉強的RL」。
這條可謂「一石激起千層浪」，瞬間點燃了LLM社區的討論熱情。
畢竟RLHF作為剛提出沒幾年的方法，又新穎又有爭議。一邊遭受質疑，一邊又在工業界和學界迅速流行。
5G沖浪的LeCun也趕來聲援Karpathy，但他的話很短，只有一句——「RLHF不是真正的RL」。
RLHF最早可以追溯到OpenAI安全團隊2017年發表的論文：
論文地址：https://arxiv.org/abs/1706.03741
當時，Jan Leike還在DeepMind、Dario Amodei還沒創辦Anthropic，而OpenAI還沒all in語言模型，仍是一家研究范圍更廣泛的AI公司。
他們提出，通過人類反饋，讓AI模型更好地學習「如何翻出一個漂亮的后空翻」。
訓練時

原文鏈接：ChatGPT「秘方」竟在拖LLM后腿？Karpathy、LeCun聯手開懟RLHF！

聯系作者

文章來源：新智元
作者微信：
作者簡介：