Official · ✓完成 · 深堀り済 2019.09.19 人間好みに学習するGPT-2——予期せぬ結果とその意義 人間の好みに基づいて微調整されたGPT-2 GPT-2モデルを人間のフィードバックに基づいて微調整し、要約タスクにおける予期しない学習傾向が明らかに GPT-2 RLHF 人間からのフィードバック 要約タスク OpenAI News