Глосарій
Модель винагороди
Навчений суддя, що оцінює відповідь так, як це зробили б люди, натренований 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.