Tencent создала метод самообучения языковых моделей без человеческих данных
Tencent AI Lab разработала фреймворк R-Zero, позволяющий языковым моделям самообучаться без человеческих данных через co-evolution двух моделей.
Reinforcement learning
Обучение с подкреплением — метод машинного обучения через взаимодействие со средой
Новости
Scale AI адаптирует языковые модели для корпораций через reinforcement learning
Scale AI использует reinforcement learning для адаптации языковых моделей под корпоративные данные. Эксперты отмечают технологические сложности внедрения.