OpenAI 将人类反馈强化学习应用于语言模型摘要能力训练

OpenAI 宣布将基于人类反馈的强化学习（RLHF）用于训练语言模型，以提升其摘要生成能力。该方法通过让人类对模型输出的摘要进行排序与打分，作为奖励信号优化模型表现。OpenAI 表示，这一思路源自其在摘要任务上的探索，旨在让生成文本更符合人类对质量与事实性的偏好。