ncnews
苹果AI“偷师”大模型：小模型学得更快，但真能出师吗？
苹果AI“偷师”大模型：小模型学得更快，但真能出师吗？在人工智能技术快速迭代的背景下，如何高效提升模型能力成为行业焦点。近日，苹果研究团队提出一项名为“基于清单反馈的强化学习”（Reinforcement Learning from Checklist Feedback，简称RLCF）的新方法，试图通过借鉴大模型的“知识”来优化小模型表现，引发广泛关注。传统上，人类反馈强化学习（RLHF）依赖人工对模型输出进行点赞或点踩，以此作为模型优化的依据。但这种方式主观性强，尤其在处理复杂指令时，难以提供细致、结构化的改进方向。苹果的RLCF方法则另辟蹊径：它通过生成任务清单替代简单评分，每一项清...
最近评论