opendilab/awesome-RLHF
کاربرد:
این پروژه یک مجموعهٔ دست‌چین‌شده از منابع مربوط به یادگیری تقویتی با بازخورد انسانی (RLHF) است که به‌صورت مداوم به‌روزرسانی می‌شود. این لیست به محققان، توسعه‌دهندگان و علاقه‌مندان کمک می‌کند تا به راحتی به مقالات، ابزارها، کتاب‌خانه‌ها و پروژه‌های مرتبط دسترسی داشته باشند.
در چه شرایطی بهتره استفاده شود؟
وقتی دنبال یادگیری یا توسعهٔ مدل‌های هوش مصنوعی با هدایت انسان هستی، مثل زمانی که می‌خوای چت‌بات‌ها یا مدل‌های زبانی رو با توجه به ترجیحات کاربر بهبود بدی. همچنین برای کسانی که می‌خوان در حوزهٔ RLHF تحقیق کنند یا یک پروژهٔ عملی شروع کنند، این لیست راهگشا است.
چند مثال از موارد استفاده
بررسی جدیدترین مقالات در زمینهٔ RLHF برای تحقیقات دانشگاهی
استفاده از کتاب‌خانه‌های موجود برای آموزش مدل‌های زبانی با بازخورد کاربر
توسعهٔ سیستم‌های توصیه‌گر هوشمند که با تعامل انسان یاد می‌گیرند
بهبود رفتار مدل‌های تصمیم‌گیری در محیط‌های پیچیده مثل بازی یا رباتیک
- ##ReinforcementLearning
- ##RLHF
- ##AIAlignment
- ##HumanInLoop
- ##MachineLearning
- ##OpenSource
- ##AIResearch
- ##DeepLearning