Jak se trénuje AI model: od dat po doladění a RLHF
Než umělá inteligence odpoví na jedinou otázku, prošel model měsíce dlouhým výcvikem v několika velmi odlišných fázích. Ukazujeme, jak model nejdřív pohltí obrovské množství textu, pak se naučí chovat jako asistent a nakonec ho lidé doladí k lepším odpovědím metodou zvanou RLHF.
