Persona

Тег

#rlhf

Статьи блога Persona с тегом «rlhf» — 2 материалов.

Статей с тегом: 2

Технологии

Что такое RLHF

Откуда у модели берётся вежливость, готовность помогать и отказы отвечать. Это третий этап обучения поверх основного, и знания он почти не добавляет.

4 мин обновлено 26 августа 2026 Своя модель

DPO и ORPO простыми словами: обучение на предпочтениях

Обучение на парах «этот ответ лучше того» подходит для персонализации лучше обычного дообучения. Но ему нужны отвергнутые ответы — а их обычно никто не сохраняет.

7 мин обновлено 26 августа 2026