Chinese contentOpenAI 新论文：用RL训练好行为也能泛化，提升模型诚实与可纠正性
OpenAI 这篇论文很有意思：用 RL 给模型‘教好’会泛化到所有领域，而且抗忽悠能力变强了，像给人打了一剂道德疫苗。
#有益强化学习
1 stories · 0 in 7 days · 0 in 30 days
Stories, products and papers tagged "有益强化学习", newest first.
Jun 21
OpenAI 这篇论文很有意思：用 RL 给模型‘教好’会泛化到所有领域，而且抗忽悠能力变强了，像给人打了一剂道德疫苗。
