4轮暴训，Llama 7B击败GPT-4！Meta等让LLM「分饰三角」自评自进化
4轮暴训，Llama 7B击败GPT-4！Meta等让LLM「分饰三角」自评自进化Meta、UC伯克利、NYU共同提出元奖励语言模型，给「超级对齐」指条明路：让AI自己当裁判，自我改进对齐，效果秒杀自我奖励模型。
来自主题: AI技术研报
8368 点击 2024-07-31 16:05
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
Meta、UC伯克利、NYU共同提出元奖励语言模型，给「超级对齐」指条明路：让AI自己当裁判，自我改进对齐，效果秒杀自我奖励模型。
今天，Stability AI发布了Stable Code 3B，在图片生成之外的战场上，Stability也开始发力了