OpenAI 12天「第2天」｜ 能让 o1-mini 超越 o1 的强化微调 Reinforcement Fine-Tuning | 回到Axton

[@kevinyang2118]

講笑話的時候來賓的表情有夠好笑，都能看到他頭上的三條線了

[@hongweiwang781]

就是说，openAI的“软件商店”里，很快会出现各种各样的专家级微调模型可用了？

[@hobbytan6841]

我的理解是，除非用来强化训练这个专家模型的数据是公开的。

[@jason77nhri]

感謝Axton老師這個這麼快的更新 看影片那個是強化式的微調訓練 感覺流程很簡單 但是背後的流程一定很複雜
但是訓練費用很貴吧? 而且上傳的資料也要注意敏感性

[@DrillingRpt]

一个同事发言，其他同事满脸浮笑，静静的注视和认真的样子，给人感觉是一个友好合作，积极向上的团队。

[@marketingno1]

能訓練自己的專業，感覺像更高階的GPT,不是給他數據即時推理，而是真正讓他學習，做出自己專屬更正確的GPT,不知道是不是這樣的意思

[@allezvenga7617]

謝謝分享

[@zhoumingmingzhou1982]

感觉有两个演员凑数，不如第一天的好看

[@cleyang]

还有就是既然训练集都有标签了，为什么不用 SFT？

[@光辉-e3c]

这是一个典型的监督学习，但是其实是否就是这些gens导致了罕见病，人类自己也没有绝对把握吧？

[@michaelcheng2993]

播放openai影片时候，你那个背景噪音能降低就好了。謝謝

[@axtonliu]

谢谢！下期注意

[@cleyang]

这个和 RLHF 有什么区别?

[@zhoumingmingzhou1982]

感觉是一回事，但这里叫做强化微调，因此数据集比较小，视频里介绍的例子才1000多条数据训练集

[@fengmrstian851]

這厲害了，個人可以使用專家級強化學習🎉

[@dansong4523]

智能体？

[@outliertony]

四个技术骨干两个华人，可惜大陆没法用open AI

[@eGuoSuperAlihonX]

放心啦，就算四個都是華人
也不會有中國人的，畢竟華為遙遙領先

[@hobbytan6841]

搞研究开发的没几个不会翻墙 :-)

[@OAAGOD]

就是定制化私人AI助理

[@qingpingguo85]

这么多东亚面孔