Hva er Grunnsannhet?

Etiketter eller metadata som er lagt til mennesker, brukes til å trene eller evaluere maskinlæringsmodeller.

En målestokk for matematikkordproblemer på grunnskolen som brukes til å evaluere trinnvise resonnementer i språkmodeller.

En enkel referansemodell som brukes til å sammenligne om mer komplekse tilnærminger faktisk forbedrer resultatene.

En vanlig objektiv funksjon som brukes til å trene klassifikasjonsmodeller ved å straffe feil sannsynligheter.

En modell som skårer utganger basert på preferansesignaler, ofte brukt i RLHF-rørledninger.

Bruke støyende, heuristiske eller delvise etiketter for å trene modeller når rene etiketter er knappe.