論文・研究

OpenAI、774MパラメータのGPT-2を人間の選好でファインチューニング

原題:Fine-tuning GPT-2 from human preferences

AI 要約

OpenAIは人間のフィードバックで774MパラメータのGPT-2をファインチューニングし、複数のタスクで外部アノテーターの選好に匹敵する結果を得た。要約タスクでは6万件の人手アノテーションを使用し、文体の続き生成など比較的簡単なタスクでは5千件で済んだ。アノテーターは要約が原文を丸ごと写すことを好んだため、モデルは丸写しを学習した。OpenAIはこの取り組みが安全技術を「機械と人間の対話」という汎用タスクに近づけることを意図していると述べた。

要点

  • OpenAIは人間のフィードバックで774MパラメータのGPT-2をファインチューニングし、複数のタスクで外部アノテーターの選好に匹敵する結果を得た。
  • 要約タスクでは6万件の人手アノテーションを使用し、文体の続き生成など比較的簡単なタスクでは5千件で済んだ。
  • アノテーターは要約が原文を丸ごと写すことを好んだため、モデルは丸写しを学習した。
  • OpenAIはこの取り組みが安全技術を「機械と人間の対話」という汎用タスクに近づけることを意図していると述べた

概要

公開日時
更新日時
出典
OpenAI:官网动态(RSS · 排除企业/客户案例)
カテゴリ
論文・研究
AI スコア
65
原文を読む 情報源で全文を読む
おすすめの理由

原文给出人类偏好微调 GPT-2 的任务结果与标注成本,并暴露标注偏好与作者意图不一致的问题。

関連エンティティ

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:OpenAI、774MパラメータのGPT-2を人間の選好でファインチューニング。2019年9月19日。https://new.nat6.net/ja/news/mbl0jky4zuwkwo6nc6declud6/

すべて見る →