研究突破 · 人工校订条目
InstructGPT 用 RLHF 让模型更好遵循指令
Training language models to follow instructions with human feedback
- 日期
- 2022 年 3 月 4 日
- 类别
- 研究突破
- 机构 / 模型
- OpenAI
- 证据
- 1 条 · 1 类
OpenAI 发布 InstructGPT，用人类反馈强化学习（RLHF）让模型更好地遵循指令。该工作成为 ChatGPT 对齐方法的前身。
校订注记：arXiv 论文核对
人工校订来源 · 1
-
官方公告 · arXiv2022-03-04
Training language models to follow instructions with human feedback
arxiv.org
引用本页
InstructGPT 用 RLHF 让模型更好遵循指令[EB/OL]. AI 纪年, 2022-03-04. https://aihist.net/e/instructgpt-2022.html（访问日期：2026-10-25）.
静态页随内容修订重新构建；实时合并证据与自动采集条目见时间轴。