机构名称：
¥ 1.0
检索增强的生成（RAG）是一种证明大语言模型（LLMS）的准确性和可靠性的方法，以进行开放域问答（ODQA）。传统的AP-PARACHES依赖于监督学习，这可能导致误导用户意图和系统输出。从人类反馈中学习（RLHF）通过使用人类偏好反馈训练奖励模型来解决此问题。在这项工作中，我们介绍了一个新颖的RLHF框架，用于ODQA，利用现有的大规模答案重新计算数据集用于培训重新模型。特别是，我们对ODQA的奖励模型扮演两个互补的角色：（i）将排名分数作为PPO的重新分配，以及（ii）检索相关事实，使ODQA系统能够提出事实答案。实验性媒介表明我们提出的框架对RLHF有效，从而导致ODQA的近乎专家性能。索引术语：检索效果的一代，加强学习，人类反馈，回答reranking
从答案中学习的加固学习
主要关键词
相关文件推荐
