3. Градієнтні оновлення стосуються внутрішніх обчислень моделі, яка оновлюється. Навіть якщо функції винагороди є "людськими виборами", чим вони не завжди є (, наприклад, RLAIF), спосіб, яким модель оновлюється на винагородах, залежить від ваг і активацій моделі, і

Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.