RLHFとは、人間の「どっちの答えが好き？」を報酬にしてAIを調教する手法。 ChatGPTが感じよくなったのはこれのおかげ——でも、好みに寄せすぎると「ゴマすりAI」が生まれます。10回の選択で、あなたのAIを育ててください。
あなたは人間評価者。AIの回答AとBから「好みのほう」を10回選ぶだけ。 その選択が報酬となってAIが調教され、最後にあなた専用のAIが完成します。
※正解はありません。ただ、選び方はAIの人格に正直に出ます