#дообучение с подкреплением

Исследователи разработали датасет SUM, который учит модели ИИ говорить «Я не знаю», значительно снижая галлюцинации и улучшая отказ от ответа без потери точности.

Исследователи Google DeepMind разработали метод дообучения с подкреплением, который значительно повышает способность больших языковых моделей действовать в соответствии со своим рассуждением, сокращая разрыв между знанием и действием.