InstructGPT — RLHF at Scale (2022)
研究論文
すべての解説記事
How raw language models became assistants people can use.
これは論文のレコードです。重要な研究論文と、それが分野にもたらした貢献を紹介します。
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.
スタック全体とのつながり
このレコードのリンク一覧 — グループをクリックするとジャンプします。
導入時期：
基礎
出典
レコードのレビュー時点： 2026-01-15 — 表示 調査手法.