山東棗莊:下調(diào)住房公積金貸款首付款比例 多子女家庭最高貸款60萬
2023-08-25 06:42:07
【資料圖】
谷歌DeepMind于8月21日發(fā)布論文,提出一種使LLM與人類偏好對齊更簡單的算法ReST(Reinforced Self-Training)。不同于RLHF(基于人類反饋的強化學(xué)習(xí))使用人類反饋改進語言模型,ReST通過生成和使用離線數(shù)據(jù)進行訓(xùn)練,從而使得LLM與人類偏好保持一致。研究團隊表示,雖然ReST可用于所有生成任務(wù),但本文的重點是機器翻譯。研究者在機器翻譯任務(wù)上進行了實驗,測試基準包括IWSLT 2014、WMT 2020和Web Domain。結(jié)果表明,ReST可以極大地提高翻譯質(zhì)量。
關(guān)鍵詞:
關(guān)于本站 管理團隊 版權(quán)申明 網(wǎng)站地圖 聯(lián)系合作 招聘信息
Copyright © 2005-2023 創(chuàng)投網(wǎng) - www.extremexp.net All rights reserved
聯(lián)系我們:39 60 29 14 2@qq.com
皖I(lǐng)CP備2022009963號-3