Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
Обучение плюралистическим предпочтениям пользователей посредством тонкой настройки суммаризаций с использованием обучения с подкреплением
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
Добавление такого текстового саммари с предпочтениями в начало промпта значительно улучшает соответствие ответов LLM ожиданиям пользователя, и этот прием работает даже с мощными моделями вроде GPT-4 без какой-либо специальной настройки.