返回全部题目← 上一题15 / 33下一题 →题库/模型训练与对齐/Q-4518什么是 RLAIF，使用 AI 反馈进行对齐有哪些潜力和风险？知识专题：偏好对齐题目类型：原理机制技术难度：进阶题集来源：4 个未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录收录题集相关题目收录题集4 个来源，共6 份题集模型微调与适配AMIT SHEKHAR · ai-engineering-interview-questions · 1 条原题查看题集 →What is RLAIF (RL from AI Feedback), and how does it differ from RLHF?强化学习Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →RLAIF、Constitutional AI 和 Agent RL 有什么关系？LLM、VLM 与 Agent 面试题Datawhale · hello-agents · 1 条原题查看题集 →除了人类反馈，我们还可以利用AI自身的反馈来做对齐，即RLAIF。请谈谈你对RLAIF的理解，它的潜力和风险分别是什么？后训练章节追问阿东玩 AI · AgentGuide · 1 条原题查看题集 →RLAIF 能不能彻底替代人类标注？后训练综合问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →RLAIF 生成的偏好数据，如何检测是否有系统性偏差？展开剩余 1 份题集理论基础面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →除了人类反馈，我们还可以利用AI自身的反馈来做对齐，即RLAIF。请谈谈你对RLAIF的理解，它的潜力和风险分别是什么？相关题目4 题0273SFT 与偏好数据如何构建，如何控制数据污染和分布偏移？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇0275如何从 KL 约束的强化学习目标推导 DPO 目标？同一知识专题题目类型：原理机制技术难度：深入相关面经：1 篇0604DPO 中好坏样例生成概率都下降的问题如何理解？同一知识专题题目类型：原理机制技术难度：进阶相关面经：1 篇0605DPOP 的全称是什么？同一知识专题题目类型：原理机制技术难度：进阶相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题RLHF 离线奖励很高，但上线回答模式化、奉承且信息不足，应如何排查？下一题 →常见偏好对齐方法有哪些，应如何比较它们的取舍？
