InstructGPT 著者 Diogo Almeida、チャットよりソフトウェア向けの System One モデル Jev を語る

入選の記録

入選二回の合計 156 ≥ 基準の 2 倍 152

情報源の区分

メディアと個人、この区分の基準は 76 点

予備審査

通過：标题及正文详述AI模型Jev与RLCD技术

推薦理由

InstructGPT 論文の著者 Diogo Almeida は、RLHF と RLVR の代わりに RLCD を使う理由と、Jev をチャットよりソフトウェア向けに設計した際の選択を説明する。

採点はモデルが同じ基準で独立に二回行い、満点は 100。二回の合計が基準の 2 倍に届いたものだけが入選します。基準は情報源の区分ごとに決めています。