مفهوم · فرایند
RLHF
RLHF
ارجاع در کتاب
جمعبندی تدوینگر
تعریف در منبع (انگلیسی)
Tuning the main model using the reward model signal; where model weights are actually updated.
۱ بخش از کتاب به این مفهوم ارجاع میدهد:
کهندژکتاب مرجع هوش مصنوعی