25
May
article
Качество человеческих данных: фундамент AI
Почему качество данных разметки важнее архитектуры модели, как устроен RLHF и что делает аннотацию …
→
RLHF
4
материала
05
May
article
Reward Hacking в обучении с подкреплением
Что такое reward hacking в RL, почему он неизбежен и как с ним бороться — от классических примеров …
→
02
May
translation
Откуда взялись гоблины в ChatGPT: разбор OpenAI
OpenAI объяснила, почему GPT-5.5 одержим гоблинами и гремлинами: история о том, как одна награда в …
→
05
Mar
article
Обучение с подкреплением: как AI учится на ошибках
Разбираем обучение с подкреплением — метод, который позволяет AI учиться методом проб и ошибок. От …
→