Inicio › Artículos de investigación › InstructGPT — RLHF at Scale (2022)
InstructGPT — RLHF at Scale (2022)
Artículo de investigación
Todos los artículos explicativos
How raw language models became assistants people can use.
Estás viendo un registro de artículo de investigación: un paper de referencia y qué aportó al campo.
OpenAI showed that a 1.3B model tuned with human feedback was preferred over the raw 175B GPT-3 — alignment as capability. The three-stage recipe (demonstrations, reward model, RL) became the industry standard and made ChatGPT possible months later.
Cómo se conecta con el resto del stack
Los enlaces de esta ficha de un vistazo: haz clic en un grupo para ir directamente a él.
Introducido en
Base para
Fuentes
Registro revisado a fecha de 2026-01-15 — ver Metodología.