Глосарій
Модель винагороди
Суддя, якого навчили оцінювати відповідь так, як оцінили б люди, — на ранжуваннях людських уподобань. Він заміняє живого оцінювача, щоб AI можна було покращувати автоматично, але це лише недосконала копія справжнього людського смаку.
Пов'язані терміни
Побач у дії
Не просто читай означення — пограйся з ним
Кожен термін з'являється в уроці, де його можна помацати наживо — безкоштовно, просто в застосунку.