Zhihan Liu

この研究は、大規模言語モデルとモンテカルロツリーサーチを組み合わせて、ゲームの意思決定をより良くしようとしてるんだ。

新しい方法が言語モデルを強化して、多様な反応を積極的に探すようになる。

人間のフィードバックで訓練されたモデルの過剰最適化を最小限に抑える方法を紹介します。

新しい方法がベイズ推論と機械学習を組み合わせて、データ分析をより良くする。

新しい方法が、自己生成されたフィードバックを使って言語モデルのトレーニングを強化する。

新しい方法が自己生成テストを利用してコーディングモデルを改善する。

ロボットが人間の指示に従って間違いに適応することでどう改善するかを学ぼう。