الانتقال إلى المحتوى الرئيسي

ابحث في النماذج والأدوات والخدمات والشركات والمزودين وواجهات API والخطط والمقالات والأخبار.

التدريب والضبط

التعلم المعزز بالتغذية الراجعة البشرية

RLHF

التعلم المعزز بالتغذية الراجعة البشرية

تقنية يرتّب فيها البشر مخرجات النموذج فيتعلم إعطاء إجابات أكثر فائدة ودقة وأمانًا — وهي الجوهر التقني وراء سلوك ChatGPT وClaude.

RLHF (التعلم المعزز بالتغذية الراجعة البشرية) هو مرحلة تهذيب النموذج: يرتب البشر عدة إجابات، ويتعلم نموذج مكافأة تلك التفضيلات، ويُدَرَّب النموذج الرئيسي لتعويض المكافأة. الناتج: أكثر إفادة ودقة وتهذيبًا.

هذه هي الحيلة التي ميّزت ChatGPT عن نموذج نص خام؛ ومتغيراتها الأخف (DPO) معيارية اليوم. النقد المعروف: قد ينحرف النموذج نحو إرضاء البشر بدل الصواب — فتبقى بيانات بشرية عالية الجودة عنق الزجاجة.

خلاصة: التدريب المسبق يعطي فهمًا، وRLHF يعطي أدبًا وصدقًا. تدريب النماذج الحديث هو توازن هذه المراحل.

العودة إلى المسرد