网友手工微调Llama2-13B尝试学发帖
热点事件持续更新
网友手工微调Llama2-13B尝试学发帖
2 篇报道1 个报道来源51 分钟前更新
先了解这件事
AI 综述
网友 cephaloform 正在对一个 Llama2-13B checkpoint 进行手工 RLHF，目标是让模型学会自己发帖。他通过二选一偏好标注界面人工比较模型回复、标注优劣，以收集人类反馈；cephaloform 称这一过程“真的很难”。目前项目仍在进行中，尚未展示训练完成后的效果。
AI 根据报道生成 · 22 分钟前更新
最新进展11月10日 04:58
网友手工 RLHF 微调 Llama2-13B 让它发帖，直呼“太难”报道时间线
沿着报道，了解事件的不同侧面。
11月10日
- AGI Hunt网友手工 RLHF 微调 Llama2-13B 让它发帖，直呼“太难”
一位网友正对 Llama2-13B checkpoint 进行手工 RLHF，目标是让模型学会自己发帖，并通过二选一偏好标注界面对两条回复人工判定优劣。示例回复为“crunchies were made to be eaten”和“falls from a tree”，作者感叹手工制作偏好数据“太难了”。
- AGI Hunt网友手工 RLHF 微调 Llama2-13B，让模型学会自己发帖
网友 cephaloform 手工对 Llama2-13B 的 checkpoint 进行 RLHF 训练，目标是让模型学会自己发帖。他通过经典的二选一偏好标注界面收集人类反馈，并坦言整个过程“真的很难”，呈现个人开发者复现大模型对齐流程的实际难度。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。