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
- カテゴリ
- 論文・研究
- AI スコア
- 65
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。
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/