XNews

ネイサン・ランバート、RLHFに関する初の包括的書籍を出版

Ai2のポストトレーニング責任者を務めたネイサン・ランバート氏が、RLHFに関する初の体系的書籍を出版。インストラクションチューニング、報酬モデル、強化学習を網羅し、アルゴリズムよりもデータが重要であると主張している。

Source posts