Accueil › Articles de recherche › InstructGPT — RLHF at Scale (2022)
InstructGPT — RLHF at Scale (2022)
Article de recherche
Alignement
How raw language models became assistants people can use.
Vous consultez une fiche article de recherche : un article de référence et ce qu'il a apporté au domaine.
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.
Comment cela s'articule avec le reste de la chaîne
Les liens de cette fiche en un coup d'œil — cliquez sur un groupe pour y accéder directement.
Introduit en
Base pour
Sources
Fiche examinée au 2026-01-15 — voir Méthodologie.