Hongning Wang

Este artículo presenta un método para clientes con objetivos diversos en el aprendizaje federado de bandits.

Un nuevo enfoque para recompensar la sobreoptimización en modelos de lenguaje usando estimación de incertidumbre.

ChatGLM-RLHF mejora las interacciones de IA a través de la retroalimentación humana y métodos de entrenamiento avanzados.

Los modelos GLM-4 muestran capacidades mejoradas en comprensión y generación de lenguaje.

Un nuevo método para evaluar qué tan bien los LLMs entienden y aplican las reglas.

Aprende cómo la retroalimentación humana moldea las respuestas de los modelos de lenguaje de IA.

Un enfoque nuevo para mejorar el seguimiento de instrucciones en modelos de lenguaje.