Ce este Adevărul de bază?

Etichete sau metadate adăugate de oameni utilizate pentru a instrui sau evalua modele de învățare automată.

Un punct de referință al problemelor de cuvinte de matematică din școală, folosit pentru a evalua raționamentul pas cu pas în modelele lingvistice.

Un model de referință simplu folosit pentru a compara dacă abordările mai complexe îmbunătățesc efectiv rezultatele.

O funcție obiectiv comună utilizată pentru a antrena modele de clasificare prin penalizarea probabilităților incorecte.

Un model care punctează ieșirile pe baza semnalelor de preferință, adesea folosit în conductele RLHF.

Utilizarea etichetelor zgomotoase, euristice sau parțiale pentru a antrena modele atunci când etichetele curate sunt rare.