ChatGPT的核心知识思维导图
关于GhatGPT的核心技术知识介绍
树图思维导图提供 ChatGPT的核心知识 在线思维导图免费制作，点击“编辑”按钮，可对 ChatGPT的核心知识 进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：e71732b9ca53e4a7a614c0cf6fd8d32b
思维导图大纲
ChatGPT的核心技术架构思维导图模板大纲
GPT家族的演进
ChatGPT之前有几个知名的兄弟，包括GPT-1、GPT-2和GPT-3
这几个兄弟一个比一个个头大，ChatGPT与GPT-3更为相近。
GPT家族与BERT模型都是知名的NLP模型，都基于Transformer技术
GPT-1只有12个Transformer层，而到了GPT-3，则增加到96层。
人类反馈强化学习
InstructGPT/GPT3.5（ChatGPT的前身）与GPT-3的主要区别在于，新加入了被称为RLHF（Reinforcement Learning from Human Feedback，人类反馈强化学习）
这一训练范式增强了人类对模型输出结果的调节，并且对结果进行了更具理解性的排序。
“goodness of sentences”的评价标准
真实性：是虚假信息还是误导性信息？
无害性：它是否对人或环境造成身体或精神上的伤害？
有用性：它是否解决了用户的任务？
TAMER框架
TAMER框架论文
引入人类标记者的主要目的是加快训练速度
特别是现实世界中，许多任务的探索成本或数据获取成本很高
尽管强化学习技术在很多领域有突出表现，但是仍然存在着许多不足，例如训练收敛速度慢，训练成本高等特点
TAMER架构在强化学习中的应用
人类标记者扮演对话的用户和人工智能助手，提供对话样本，让模型生成一些回复，然后标记者会对回复选项打分排名，将更好的结果反馈回模型中
Agents同时从两种反馈模式中学习——人类强化和马尔可夫决策过程奖励作为一个整合的系统，通过奖励策略对模型进行微调并持续迭代。
来源——百度科普
相关思维导图模板
树图思维导图提供 904名中国成年人第三磨牙相关知识、态度、行为和病史的横断面调查 在线思维导图免费制作，点击“编辑”按钮，可对 904名中国成年人第三磨牙相关知识、态度、行为和病史的横断面调查 进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：10b9a8a2dd2fb4593f8130ef16c320fc
树图思维导图提供 9.战斗的基督教 在线思维导图免费制作，点击“编辑”按钮，可对 9.战斗的基督教 进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：33d168acd0cd9f767f809c7a5df86e3a
沪公网安备 31011502019485号
上海工商