11.1 ChatGPT训练三阶段揭秘:RLHF技术如何让AI对齐人类价值观?

ChatGPT训练三阶段揭秘:RLHF技术如何让AI对齐人类价值观?

ChatGPT 大模型训练技术 RLHF

ChatGPT 大模型训练核心技术

ChatGPT 的成功并非一蹴而就,其核心技术可拆解为三大阶段:万亿级 Token 预训练语言模型有监督指令微调(SFT)基于人类反馈的强化学习(RLHF)。这三个阶段层层递进,最终实现模型与人类价值观的对齐(Alignment)。


阶段一:万亿级 Token 预训练语言模型

ChatGPT 的基座模型基于 GPT-3.5 架构,通过海量无标注文本进行自监督预训练。核心特征包括:

  1. 数据规模
    • 训练语料覆盖书籍、网页、代码、学术论文等多领域文本,总量超 1T Token
    • 数据清洗策略包括去重、去噪、去隐私信息,并采用 BPE(Byte-Pair Encoding) 分词算法。
  2. 模型架构
    • 使用 Transformer Decoder 架构,堆叠
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

少林码僧

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值