Датотека:RLHF diagram.svg
Veličina PNG pregleda za ovu SVG datoteku je 512 × 366 piksela. 5 drugih rezolucija: 320 × 229 piksela | 640 × 458 piksela | 1.024 × 732 piksela | 1.280 × 915 piksela | 2.560 × 1.830 piksela.
Originalna datoteka (SVG datoteka, nominalno 512 × 366 piksela, veličina: 177 kB)
 | Ovo je datoteka sa Vikimedijine ostave. Informacije sa njene stranice sa opisom prikazane su ispod. Vikimedijina ostava je skladište slobodno licenciralnih multimedijalnih datoteka. I Vi možete da pomognete. |
Opis izmene
| Opis |
English: This is a high-level overview of reinforcement learning from human feedback, including training an initial supervised model, collecting human feedback, training a reward model, and using it to align the initial model. |
| Datum | |
| Izvor | Sopstveno delo |
| Autor | PopoDameron |
Licenciranje
Ja, nosilac autorskog prava nad ovim delom, objavljujem isto pod sledećom licencom:
Ova datoteka je dostupna pod licencom Creative Commons Autorstvo-Deliti pod istim uslovima 4.0 Međunarodna.
- Dozvoljeno je:
- da delite – da umnožavate, raspodeljujete i prenosite delo
- da prerađujete – da preradite delo
- Pod sledećim uslovima:
- autorstvo – Morate da date odgovarajuće zasluge, obezbedite vezu ka licenci i naznačite da li su izmene napravljene. Možete to uraditi na bilo koji razuman manir, ali ne na način koji predlaže da licencator odobrava vas ili vaše korišćenje.
- deliti pod istim uslovima – Ako izmenite, preobrazite ili dogradite ovaj materijal, morate podeliti svoje doprinose pod istom ili kompatibilnom licencom kao original.
Istorija datoteke
Kliknite na datum/vreme da biste videli tadašnju verziju datoteke.
| Datum/vreme | Minijatura | Dimenzije | Korisnik | Komentar | |
|---|---|---|---|---|---|
| trenutna | 21:20, 1. april 2024. | | 512 × 366 (177 kB) | PopoDameron | Clarified relationship between RM and aligned model & added description to the aligned model |
| 05:13, 14. mart 2024. |  | 512 × 366 (160 kB) | PopoDameron | Uploaded own work with UploadWizard |
Upotreba datoteke
Sledeća stranica koristi ovu datoteku:
Globalna upotreba datoteke
Drugi vikiji koji koriste ovu datoteku:
- Upotreba na ar.wikipedia.org
- Upotreba na en.wikipedia.org
- Upotreba na fa.wikipedia.org
- Upotreba na ru.wikipedia.org
