生成AI用語ドリル

生成AI・学習のしくみNo.064 / 204

報酬モデル

RLHF で使う、答えの良さを点数で予測するモデル。人の評価をもとに作る。

カードで練習 書いて答える問題に挑戦

確認問題

次の説明に当てはまる用語はどれか。

さまざまな指示と、それに合った答えのデータで学習させ、人の指示に従いやすくすること。