SPIN

Определение

Self-Play Fine-Tuning — метод, в котором модель генерирует ответы, затем выступает в роли критика, выбирая лучший из пары для улучшения качества.

Где встречается

• 686. Как работает synthetic data для RLHF (предпочтения)

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление