什么是 地面真相?

人工添加的标签或元数据用于训练或评估机器学习模型。

小学数学应用题的基准，用于评估语言模型中的逐步推理。

一个简单的参考模型，用于比较更复杂的方法是否真正改善结果。

一种常见的目标函数，用于通过惩罚不正确的概率来训练分类模型。

一种根据偏好信号对输出进行评分的模型，通常用于 RLHF 管道。

当干净标签稀缺时，使用噪声、启发式或部分标签来训练模型。