Hizalama

RLHF ve Model Hizalama: Yardımsever ve Güvenli Modeller, Ödül Modeli ve DPO

Bir modeli neden ve nasıl "yardımsever ve güvenli" hale getiririz? RLHF'in üç adımını, ödül modelini ve daha sade alternatif DPO'yu günlük analojilerle anlatıyoruz.