Apakah Kebenaran Tanah?

Label atau metadata tambahan manusia yang digunakan untuk melatih atau menilai model pembelajaran mesin.

Penanda aras masalah perkataan matematik sekolah gred yang digunakan untuk menilai penaakulan langkah demi langkah dalam model bahasa.

Model rujukan mudah yang digunakan untuk membandingkan sama ada pendekatan yang lebih kompleks sebenarnya meningkatkan hasil.

Fungsi objektif biasa yang digunakan untuk melatih model klasifikasi dengan menghukum kebarangkalian yang salah.

Model yang menjaringkan output berdasarkan isyarat keutamaan, sering digunakan dalam saluran paip RLHF.

Menggunakan label yang bising, heuristik atau separa untuk melatih model apabila label bersih terhad.