होम › रिसर्च पेपर › InstructGPT — RLHF at Scale (2022)
InstructGPT — RLHF at Scale (2022)
रिसर्च पेपर
Alignment
How raw language models became assistants people can use.
आप एक research paper रिकॉर्ड देख रहे हैं: एक महत्वपूर्ण paper और इसने इस क्षेत्र में क्या नया पेश किया।
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.
यह बाकी स्टैक से कैसे जुड़ता है
इस रिकॉर्ड के लिंक एक नज़र में — किसी समूह पर क्लिक करके उस पर जाएँ।
परिचय हुआ
का आधार
स्रोत
रिकॉर्ड की समीक्षा की गई 2026-01-15 — देखें पद्धति.