คืออะไร ความจริงพื้นฐาน?

ป้ายกำกับหรือข้อมูลเมตาที่เพิ่มโดยมนุษย์ที่ใช้ในการฝึกหรือประเมินโมเดลการเรียนรู้ของเครื่อง

เกณฑ์มาตรฐานของปัญหาคำศัพท์ทางคณิตศาสตร์ในโรงเรียนประถมที่ใช้ในการประเมินการใช้เหตุผลแบบทีละขั้นตอนในแบบจำลองภาษา

แบบจำลองอ้างอิงอย่างง่ายใช้เพื่อเปรียบเทียบว่าวิธีการที่ซับซ้อนมากขึ้นช่วยปรับปรุงผลลัพธ์ได้จริงหรือไม่

ฟังก์ชันวัตถุประสงค์ทั่วไปที่ใช้ในการฝึกแบบจำลองการจำแนกประเภทโดยการลงโทษความน่าจะเป็นที่ไม่ถูกต้อง

แบบจำลองที่ให้คะแนนเอาต์พุตตามสัญญาณการตั้งค่า ซึ่งมักใช้ในไปป์ไลน์ RLHF

การใช้ป้ายกำกับที่มีสัญญาณรบกวน การวิเคราะห์พฤติกรรม หรือบางส่วนเพื่อฝึกโมเดลเมื่อป้ายกำกับที่สะอาดหมดจดมีน้อย