Главная › Научные статьи › InstructGPT — RLHF at Scale (2022)
InstructGPT — RLHF at Scale (2022)
Научная статья
Все материалы
How raw language models became assistants people can use.
Перед вами запись об исследовательской статье — знаковой работе и том, что она привнесла в область.
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.
Место в общей экосистеме
Ссылки этой записи с первого взгляда — нажмите на группу, чтобы перейти к ней.
Представлено в
Основа для
Источники
Запись актуальна на 2026-01-15 — смотреть Методология.