ChatGPT: оптимизация
языковых моделей
для диалога
Мы обучили модель под названием ChatGPT, которая взаимодействует в диалоговом режиме. Формат диалога позволяет ChatGPT отвечать на дополнительные вопросы, признавать свои ошибки, оспаривать неверные предпосылки и отклонять неуместные запросы. ChatGPT — это родственная модель InstructGPT , которая обучена следовать инструкциям в подсказке и предоставлять подробный ответ. Методы Мы обучили эту модель с помощью Reinforcement Learning from Human Feedback (RLHF), […]