什麼是 地面真相?

人工添加的標籤或元資料用於訓練或評估機器學習模型。

小學數學應用題的基準，用於評估語言模型中的逐步推理。

一個簡單的參考模型，用於比較更複雜的方法是否真正改善結果。

一種常見的目標函數，用於透過懲罰不正確的機率來訓練分類模型。

一種根據偏好訊號對輸出進行評分的模型，通常用於 RLHF 管道。

當乾淨標籤稀缺時，使用雜訊、啟發式或部分標籤來訓練模型。