Huber LossHuber Loss Определение Функция потерь, сочетающая MSE и MAE, используемая для обработки меток 'равно' в датасете сравнений при обучении reward model. Где встречается 329. Как обучается reward model для RLHF и как избегать reward hacking Навигация Индекс терминов Индекс разборов Оглавление
Huber Loss Определение Функция потерь, сочетающая MSE и MAE, используемая для обработки меток 'равно' в датасете сравнений при обучении reward model. Где встречается 329. Как обучается reward model для RLHF и как избегать reward hacking Навигация Индекс терминов Индекс разборов Оглавление