InstructGPT 原始論文精讀

InstructGPT 論文精讀：RLHF 與人類回饋的指令對齊

InstructGPT 如何用示範微調、reward model 與 PPO 讓 GPT-3 更符合人類偏好；並解讀偏好勝率、標註分佈與安全評測涵蓋的範圍。