行業(yè)唯一!海爾熱聲熱泵技術(shù)獲全國(guó)顛覆性技術(shù)創(chuàng)新大賽最高獎(jiǎng)OPPO A5 Pro首創(chuàng)獵手天線架構(gòu):信號(hào)能穿十堵墻一加 Ace 5 Pro首發(fā)電競(jìng)Wi-Fi芯片G1 帶來「穿墻王」和「搶網(wǎng)王」般的網(wǎng)絡(luò)體驗(yàn)電視市場(chǎng)又出黑馬!TCL同檔Mini LED音畫王P12K,萬象分區(qū)打造超強(qiáng)控光!零下25℃如何取暖?海爾水暖通溫暖驛站亮相冰雪大世界馬太效應(yīng),強(qiáng)者恒強(qiáng)?——《中國(guó)企業(yè)科創(chuàng)力研究報(bào)告(2024)》美團(tuán)年度報(bào)告竟然用上了AI和短劇?這下是真出圈了消息稱上汽大眾正開發(fā)三款新車,技術(shù)分別來自小鵬、智己和榮威鴻蒙智行泊車代駕VPD正式開啟全量推送!升級(jí)自動(dòng)泊車/接駕等多項(xiàng)功能華為官方翻新手機(jī)最高降價(jià)4000元曝蘋果研發(fā)帶Face ID的智能家居門鈴:內(nèi)置自研W-Fi芯片李斌回應(yīng)螢火蟲外觀設(shè)計(jì):看過實(shí)車的人都喜歡這個(gè)設(shè)計(jì)林杰:未來 A 級(jí)、A0 級(jí)、A00 級(jí)車型都將是領(lǐng)克純電的“主場(chǎng)”豐巢存包柜亮相南寧地鐵站,助力城市韌性建設(shè)與智慧出行萬象分區(qū)、絢彩XDR、量子點(diǎn)Pro 2025齊出手,TCL引領(lǐng)觀影體驗(yàn)新變革!QQ音樂年度聽歌報(bào)告發(fā)布:誰是你最喜歡的歌手?OpenAI正式發(fā)布o(jì)3 - 通往AGI的路上,已經(jīng)沒有了任何阻礙「送禮物」難撬動(dòng)社交電商,微信小店缺的是供給微軟Phi-4封神,14B小模型數(shù)學(xué)擊敗GPT-4o,合成數(shù)據(jù)占比40%,36頁(yè)技術(shù)報(bào)告出爐2024年結(jié)束,哪里是原創(chuàng)動(dòng)畫的應(yīng)許之地?
  • 首頁(yè) > 云計(jì)算頻道 > 大模型

    大模型開山鼻祖!InstructGPT發(fā)布兩周年了

    2024年01月29日 10:59:38   來源:站長(zhǎng)之家

      1月29日 消息:今天是InstructGPT發(fā)布兩周年的紀(jì)念日,它是現(xiàn)代大語言模型的開山鼻祖。Jim Fan介紹了InstructGPT的重要性并且說了幾條關(guān)于InstructGPT非常有意思的點(diǎn)。還展示了InstructGPT中非常經(jīng)典的三步LLM訓(xùn)練方法的圖片,我也順便讓GPT-4解釋了一下也順便放在下面。

      InstructGPT 開創(chuàng)了一個(gè)經(jīng)典的模型訓(xùn)練方法:先進(jìn)行預(yù)訓(xùn)練,然后是監(jiān)督式微調(diào),最后是基于強(qiáng)化學(xué)習(xí)的人類反饋(Reinforcement Learning from Human Feedback, RLHF)。這個(gè)策略至今仍被廣泛采用,雖然有些許變化,比如 DPO 策略。InstructGPT 可能是 OpenAI 最后一次詳細(xì)介紹他們?nèi)绾斡?xùn)練尖端模型的論文;仡欉@兩年,Jim Fan認(rèn)為它標(biāo)志著大語言模型從學(xué)術(shù)研究(GPT-3)走向?qū)嶋H應(yīng)用(ChatGPT)的關(guān)鍵轉(zhuǎn)折點(diǎn)。

      InstructGPT 并非 RLHF 的發(fā)明者。實(shí)際上,它的博客鏈接指向了 OpenAI 團(tuán)隊(duì)在2017年完成的最早的 RLHF 研究。RLHF 的初衷是解決模擬機(jī)器人領(lǐng)域中難以定義的任務(wù)。它通過要求人類注釋者給出900個(gè)簡(jiǎn)單的是非選擇,幫助一個(gè)名為“跳躍機(jī)器人”的機(jī)器人在模擬環(huán)境中學(xué)會(huì)了后空翻。

      InstructGPT 在2022年的 NeurIPS 會(huì)議上亮相,地點(diǎn)是新奧爾良。當(dāng)時(shí)Jim Fan正在會(huì)上展示他的項(xiàng)目 MineDojo,看到 OpenAI 的展示非常驚喜。這些模型有三種規(guī)模:1.3B、6B 和175B。與老式的、需要復(fù)雜提示的 GPT-3-175B 相比,標(biāo)注者更加青睞 Instruct-1.3B。而且,Microsoft Phi-1,作為眾所周知的小型優(yōu)秀語言模型之一,也是1.3B。

      InstructGPT 在展示研究方面堪稱典范。它的三步驟圖解清晰易懂,成為 AI 領(lǐng)域最具標(biāo)志性的視覺之一。的引言部分直奔主題,用粗體突出了八個(gè)主要觀點(diǎn)。對(duì)于模型局限性和偏見問題的討論,也是實(shí)事求是和坦誠(chéng)的。

      InstructGPT模型三步訓(xùn)練意圖介紹:

      第1步:收集示范數(shù)據(jù),并訓(xùn)練一個(gè)監(jiān)督策略。從我們的提示數(shù)據(jù)集中抽取一個(gè)提示,例如“向一個(gè)6歲的孩子解釋月球登陸”。標(biāo)注者提供期的輸出行為,例如“一些人去了月球”。這些數(shù)據(jù)被用來通過監(jiān)督學(xué)習(xí)細(xì)調(diào)GPT-3模型。

      第2步:收集比較數(shù)據(jù),并訓(xùn)練一個(gè)獎(jiǎng)勵(lì)模型。抽取一個(gè)提示和幾個(gè)模輸出樣本,例如同樣是“向一個(gè)6歲的孩子解釋月球登陸”。標(biāo)注者會(huì)對(duì)這些輸出進(jìn)行排名,從最好到最差。這些數(shù)據(jù)被用來訓(xùn)練我們的獎(jiǎng)勵(lì)模型。

      第3:使用強(qiáng)化學(xué)習(xí)對(duì)獎(jiǎng)勵(lì)模型優(yōu)化策略。從數(shù)據(jù)集中抽取一個(gè)新的提示,例如“寫一個(gè)關(guān)于青蛙的故事”。策略生成一個(gè)輸出,比如開始寫“從前有一次…”。勵(lì)模型計(jì)算一個(gè)獎(jiǎng)勵(lì)值給這個(gè)輸出。這個(gè)獎(jiǎng)勵(lì)值被用來通過PPO(比例策略優(yōu)化)更新策略。整個(gè)過程展示了從收集數(shù)據(jù)到通過人類標(biāo)注者的反饋來訓(xùn)練和優(yōu)化人工智能模型的步驟。這種方法結(jié)合了監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)來改進(jìn)模型的性能。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。

    即時(shí)

    新聞

    明火炊具市場(chǎng):三季度健康屬性貫穿全類目

    奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。

    3C消費(fèi)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實(shí)力,創(chuàng)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。

    研究

    中國(guó)信通院羅松:深度解讀《工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析體系

    9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽(yáng)成功舉辦。