Reward model：Bradley-Terry 的倒影 · @dongxi_nlp · TwKit

@dongxi_nlp

Reward Model, 选择变成分数 上一篇里，judge 读完 Is OpenAI open? 的各个回答，给每个回答打了分。 OpenAI is open. It's in the name.得 2 分，以 partly 开头的回答得 8 分或 10 分。 RL

曝光 1796 · 评论 0 · 点赞 6 · 书签 8