术语

训练信号

训练时用来判定模型输出对错与好坏的信息;本课说的“它从哪学”,就是训练信号从哪来。

别名 · 从哪学

在第 1 讲里

第 1 讲见过三种来源:自监督(预测下一个词元,原文就是答案)、人类反馈(人指出哪个回答更好,或按步骤评分)、强化学习(自己做题,由证明检查器或环境判定对错)。

参考资料