とは何ですか グラウンドトゥルース?

機械学習モデルのトレーニングまたは評価に使用される人間が追加したラベルまたはメタデータ。

言語モデルにおける段階的な推論を評価するために使用される、小学校の算数の文章題のベンチマーク。

より複雑なアプローチが実際に結果を改善するかどうかを比較するために使用される単純な参照モデル。

不正確な確率にペナルティを課すことによって分類モデルをトレーニングするために使用される一般的な目的関数。

RLHF パイプラインでよく使用される、優先信号に基づいて出力をスコアリングするモデル。

きれいなラベルが不足している場合に、ノイズの多いラベル、ヒューリスティックなラベル、または部分的なラベルを使用してモデルをトレーニングする。