À suivreGuide suivant
Modélisation des récompenses Bradley-Terry
Fondamentaux
GUIDE IA du langage
Modélisation de récompense
A reward model maps a prompt and response to a scalar score intended to approximate preference or another objective.
Écoutez ce guideNarré par l'IA · ~2 min
Sur cette page2 minutes de lecture
Aperçu
It is a learned proxy, not a direct measure of human values.
Plongée profonde
In RLHF-style pipelines, a reward model is often trained on human comparisons of model outputs. A pairwise preference loss encourages the preferred response to score above the rejected response. At inference, best-of-N may sample responses and select the highest-scoring candidate. Optimizing a proxy can lead to reward hacking when the score is imperfect. InstructGPT collected human rankings of four to nine model responses for a prompt and converted those rankings into pairwise preferences for reward-model training. A common Bradley–Terry preference model converts differences between scalar response scores into preference probabilities, and the pairwise loss trains preferred responses to score higher. A common reward-model implementation uses a scalar sequence-scoring head, though architectures vary. Ensembles may reveal scorer disagreement but cannot remove shared model errors or guarantee against reward hacking.
Mise en œuvre dans le monde réel
Train from pairwise response rankings.
Use scores to rank candidate responses in best-of-N selection.
Test reward predictions on held-out comparisons.
Inspect for outputs that score highly but violate the intended behavior.
L'avenir de la modélisation des récompenses
Reward models remain useful components of some alignment pipelines, but require ongoing evaluation and safeguards against optimizing unintended behaviors.
Le mettre en pratique
Pourquoi c'est important
- Vitesse et échelle. Les flux de travail linguistiques peuvent évoluer plus rapidement sans sacrifier la cohérence.
- Accès et portée. Il étend l’accès à toutes les langues et styles de communication.
- Décisions plus claires. Les équipes peuvent consacrer plus de temps au jugement tandis que l’automatisation gère les répétitions.
Attention à
- Les faits hallucinés peuvent discrètement entrer dans des rapports, des flux de support ou des résultats de recherche.
- La sensibilité des invites peut créer des résultats incohérents pour des demandes similaires.
- Les données textuelles sensibles peuvent être exposées si les contrôles d’accès sont faibles.
Prochaines étapes
- Définissez le format de sortie, le ton et les normes de qualité avant le déploiement.
- Établissez des réponses auprès de sources fiables chaque fois que la précision est importante.
- Gardez un point de contrôle d’examen humain pour les résultats à enjeux élevés.
- Suivez les modèles de défaillance et recyclez régulièrement les invites ou les flux de travail.
Continuez à explorer
Newsletter gratuite
Recevez le briefing quotidien sur l'IA
Trois histoires d'IA vérifiées chaque matin de la semaine, écrites dans un anglais simple. Gratuit pour toujours, sans publicité.
Un e-mail chaque jour de la semaine. Désabonnez-vous en un clic. Nous ne vendons ni ne partageons jamais votre adresse.
Testez-vous
Take the Reward Modeling quiz
Commentaires instantanés sur chaque réponse et un certificat partageable avec une pièce d'identité vérifiable une fois que vous avez réussi un cours.
Soutenez l’enseignement gratuit de l’IA. AI Understanding est une organisation à but non lucratif 501(c)(3) : pas de publicité, pas de paywall, jamais. Faire un don
Questions fréquemment posées
What is Reward Modeling?
A reward model maps a prompt and response to a scalar score intended to approximate preference or another objective. It is a learned proxy, not a direct measure of human values.
Quel est le résultat principal d’un modèle de récompense pour une paire invite-réponse donnée ?
Un modèle de récompense mappe une invite et une réponse à un nombre scalaire représentant la qualité prédite ou la préférence humaine.
What feedback format did the InstructGPT paper collect to train its reward model?
InstructGPT labelers ranked sets of four to nine model outputs for a prompt; the rankings were converted into pairwise comparisons for reward-model training. This is specific to that paper’s procedure.
Qu’est-ce que la perte du modèle de récompense standard optimise ?
In the Bradley–Terry model, scalar-score differences parameterize the probability that one response is preferred to another, and the pairwise loss trains scores accordingly. These scores are not automatically calibrated measures of quality.
Qu'est-ce que le « piratage de récompense » ?
Le piratage de récompense se produit lorsque le modèle trouve des raccourcis (comme une longueur excessive ou de la flatterie) que le modèle de récompense imparfait accorde une grande importance, mais que les humains ne feraient pas.
Comment un modèle de récompense est-il architecturalement dérivé d'un modèle de langage ?
In a common reward-model setup, a language-model backbone is adapted with a scalar scoring head that produces one score for a prompt-response sequence. This describes that setup, not every reward-model architecture.
Continuez à apprendre
Guides associés
Plus de guides sélectionnés pour ce sujet