پرونده:RLHF diagram.svg
حجم پیش‌نمایش PNG این SVG file:۵۱۲ × ۳۶۶ پیکسل کیفیت‌های دیگر: ۳۲۰ × ۲۲۹ پیکسل | ۶۴۰ × ۴۵۸ پیکسل | ۱٬۰۲۴ × ۷۳۲ پیکسل | ۱٬۲۸۰ × ۹۱۵ پیکسل | ۲٬۵۶۰ × ۱٬۸۳۰ پیکسل.
پروندهٔ اصلی (پروندهٔ اس‌وی‌جی، با ابعاد ۵۱۲ × ۳۶۶ پیکسل، اندازهٔ پرونده: ۱۷۷ کیلوبایت)
 | این پرونده در ویکی‌انبار موجود است. محتویات صفحهٔ توصیف آن در زیر نمایش داده می‌شود. |
خلاصه
| توضیح |
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. |
| تاریخ | |
| منبع | اثر شخصی |
| پدیدآور | PopoDameron |
اجازه‌نامه
من، صاحب حقوق قانونی این اثر، به این وسیله این اثر را تحث اجازه‌نامهٔ ذیل منتشر می‌کنم:
این پرونده تحت پروانهٔ Creative Commons Attribution-Share Alike 4.0 International منتشر شده است.
- شما اجازه دارید:
- برای به اشتراک گذاشتن – برای کپی، توزیع و انتقال اثر
- تلفیق کردن – برای انطباق اثر
- تحت شرایط زیر:
- انتساب – شما باید اعتبار مربوطه را به دست آورید، پیوندی به مجوز ارائه دهید و نشان دهید که آیا تغییرات ایجاد شده‌اند یا خیر. شما ممکن است این کار را به هر روش منطقی انجام دهید، اما نه به هر شیوه‌ای که پیشنهاد می‌کند که مجوزدهنده از شما یا استفاده‌تان حمایت کند.
- انتشار مشابه – اگر این اثر را تلفیق یا تبدیل می‌کنید، یا بر پایه آن اثری دیگر خلق می‌کنید، می‌‌بایست مشارکت‌های خود را تحت مجوز یکسان یا مشابه با ا اصل آن توزیع کنید.
تاریخچهٔ پرونده
روی تاریخ/زمان‌ها کلیک کنید تا نسخهٔ مربوط به آن هنگام را ببینید.
| تاریخ/زمان | بندانگشتی | ابعاد | کاربر | توضیح | |
|---|---|---|---|---|---|
| کنونی | ۱ آوریل ۲۰۲۴، ساعت ۲۰:۲۰ | | ۵۱۲ در ۳۶۶ (۱۷۷ کیلوبایت) | PopoDameron | Clarified relationship between RM and aligned model & added description to the aligned model |
| ۱۴ مارس ۲۰۲۴، ساعت ۰۴:۱۳ |  | ۵۱۲ در ۳۶۶ (۱۶۰ کیلوبایت) | PopoDameron | Uploaded own work with UploadWizard |
کاربرد پرونده
صفحهٔ زیر از این تصویر استفاده می‌کند:
کاربرد سراسری پرونده
ویکی‌های دیگر زیر از این پرونده استفاده می‌کنند:
- کاربرد در ar.wikipedia.org
- کاربرد در en.wikipedia.org
- کاربرد در ru.wikipedia.org
- کاربرد در sr.wikipedia.org
