ChatGPT

問題

RLHFは、人間のフィードバックを用いた強化学習により、AIの出力を望ましい方向へ調整する手法である。

正解: ○

解説

○です。RLHFは、Reinforcement Learning from Human Feedbackの略で、人間のフィードバックを用いてモデルの出力を調整する考え方です。ChatGPTやInstructGPTの文脈で重要な用語です。