2025-08-09 03:16:59

ジャヌス自身が認めることだろうが、クロードオーパスのポストトレインは、どのベースモデルも本当に達成できない一貫した美しさを示している。また、現代のポストトレーニングを「rlhf」と表現するのはおそらく簡略化しすぎている、それはパッチワークだ。

原文表示

このページには第三者のコンテンツが含まれている場合があり、情報提供のみを目的としております（表明・保証をするものではありません）。Gateによる見解の支持や、金融・専門的な助言とみなされるべきものではありません。詳細については免責事項をご覧ください。

18 いいね

0/400

LiquidityWhisperer

· 08-12 00:10

見て、派手でまたrlhfです

原文表示返信0

Hash_Bandit

· 08-11 16:58

正直、このポストトレーニングのことは、昔のマイニングオペレーションとは違う感じがする... RLHFだけではなく、もっと多くの層があるよね、ほんとに。

原文表示返信0

TokenEconomist

· 08-11 05:09

実際、用語はポストトレーニングダイナミクスを過度に単純化しています。

原文表示返信0

ThreeHornBlasts

· 08-09 03:47

ああ、rlhfはただのごちゃ混ぜです。

原文表示返信0

VitaliksTwin

· 08-09 03:47

まだ埋めていない穴がたくさんあると感じる

原文表示返信0

GasWaster

· 08-09 03:42

それがどうした、結局は訓練されたものだ。

原文表示返信0

BackrowObserver

· 08-09 03:37

何が高級で難解なのか理解できないんだ

原文表示返信0

NftPhilanthropist

· 08-09 03:31

正直に言うと、ベースモデルですらその美的な高揚感には敵わない。

原文表示返信0