Bilanz der Quelle: Meta hat ein Framework vorgestellt, bei dem Sprachmodelle als eigene Richter fungieren und während des iterativen DPO-Trainings ihre eigenen Präferenzdaten generieren. Nach drei Iterationen auf Llama 2 70B übertraf das Modell Claude 2, Gemini Pro und GPT-4 0613 im AlpacaEval 2.0-Benchmark.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
