ChatGPT का परिचय

हमें उम्मीद है कि ChatGPT को उपयोगकर्ताओं के लिए उपलब्ध कराने से हमें उन मुद्दों पर बहुमूल्य जानकारी जुटाने में मदद मिलेगी जिनकी पहचान हमने अभी तक नहीं की है। हम मानते हैं कि अभी भी कई सीमाएँ हैं, इसलिए हम ऊपर बताए गए पहलुओं को बेहतर बनाने के लिए अपने मॉडलों को नियमित रूप से अपडेट करने का इरादा रखते हैं। ChatGPT का वर्तमान शोध-चरण संस्करण OpenAI में हमारे द्वारा अपनाई जाने वाली पुनरावर्ती तैनाती प्रक्रिया का नवीनतम चरण है, जिसका उद्देश्य अधिक सुरक्षित AI सिस्टम प्रदान करना है। फिर हम इस संवाद डेटासेट को InstructGPT डेटासेट के साथ मिलाकर इसे संवादात्मक प्रारूप में परिवर्तित करते हैं।

पक्ष – विपक्ष

हम ChatGPT को लॉन्च करने और उपयोगकर्ताओं की प्रतिक्रिया जानने के लिए उत्सुक हैं—ताकि अंततः इसकी खूबियों और सुधार के क्षेत्रों का पता चल सके। हमने ChatGPT को प्रशिक्षित किया है, जो एक ऐसा मॉडल है जो उपयोगकर्ताओं के साथ इस तरह से बातचीत करता है जैसे कि वह उनसे बातचीत कर रहा हो। WilmerHale का शोध पूरा हो चुका है, और Altman और Brockman एक बार फिर OpenAI का नेतृत्व कर रहे हैं। हमने ChatGPT को GPT-3.5 श्रृंखला के एक मॉडल से अनुकूलित किया है, जिसका प्रशिक्षण 2022 की शुरुआत में पूरा हुआ था।

  • इस मॉडल द्वारा प्रस्तावित सुझावों का उपयोग प्रशिक्षकों द्वारा प्रतिक्रियाएं तैयार करने में सहायता के लिए किया जा सकता है।
  • हम जानते हैं कि अभी भी कई सीमाएँ मौजूद हैं – इसलिए हमने ऊपर उल्लिखित पहलुओं में सुधार करने के लिए अपने मॉडलों को नियमित रूप से अपडेट करने का निर्णय लिया है।
  • हमने GPT-3.5 सीरीज मॉडल से ChatGPT को ऑप्टिमाइज़ किया, जिसका प्रशिक्षण 2022 की शुरुआत में समाप्त हुआ था।
  • ओपनएआई में हम जिस पुनरावर्ती परिनियोजन प्रक्रिया को अंजाम देते हैं, उसका नवीनतम चरण चैटजीपीटी अनुसंधान का वर्तमान संस्करण है, जिसका उद्देश्य तेजी से सुरक्षित एआई सिस्टम प्रदान करना है।

लकी स्टार कैसीनो की निष्पक्षता और सुरक्षा

online casino no deposit

हम विशेष रूप से रोजमर्रा की स्थितियों में, दुर्भावनापूर्ण इरादे के बिना भी, होने वाले नकारात्मक परिणामों की पहचान करने में रुचि रखते हैं, साथ ही ऐसे फीडबैक प्राप्त करने में भी जो हमें नए जोखिमों को समझने और उन्हें कम करने lucky star के तरीके खोजने में मदद करता है। उदाहरण के लिए, मानव फीडबैक रीइन्फोर्समेंट लर्निंग (HFRL) के उपयोग से अवांछित और त्रुटिपूर्ण परिणामों में उल्लेखनीय कमी देखी गई है। इस संस्करण में लागू किए गए सुरक्षा उपाय GPT-3 और Codex जैसे मॉडलों के पिछले उपयोग पर आधारित हैं।

  • इन रिवार्ड मॉडलों के आधार पर, हम प्रॉक्सिमेट पॉलिसी ऑप्टिमाइजेशन का उपयोग करके मॉडल को परिष्कृत कर सकते हैं।
  • आपको 3.5 सीरीज के बारे में अधिक जानकारी यहां मिलेगी (एक नई विंडो में खुलेगा)।
  • विल्मरहेल की जांच समाप्त हो जाती है, जबकि ऑल्टमैन और ब्रॉकमैन एक बार फिर ओपनएआई की बागडोर संभाल लेते हैं।
  • उदाहरण के लिए, मानव प्रतिक्रिया सुदृढ़ीकरण शिक्षण (एचएफआरएल) के उपयोग के बाद त्रुटिपूर्ण और अवांछनीय परिणामों में काफी कमी आई है।

सुरक्षा और निष्पक्षता

आप 3.5 सीरीज़ के बारे में अधिक जानकारी यहाँ पा सकते हैं (एक नई विंडो में खुलता है)। इन रिवॉर्ड मॉडल्स के आधार पर, हम प्रॉक्सिमेट पॉलिसी ऑप्टिमाइजेशन का उपयोग करके मॉडल को परिष्कृत कर सकते हैं। ChatGPT, InstructGPT का एक सिस्टर मॉडल है जिसे हमने प्रॉम्प्ट-आधारित निर्देशों का पालन करने और विस्तृत प्रतिक्रियाएँ प्रदान करने के लिए प्रशिक्षित किया है। इस प्रारूप के कारण (ChatGPT उपयोगकर्ताओं के स्पष्टीकरण संबंधी प्रश्नों का उत्तर दे सकता है), यह त्रुटियों को स्वीकार कर सकता है, उन मान्यताओं को चुनौती दे सकता है जिन्हें वह गलत मानता है, और अनुचित अनुरोधों को अस्वीकार कर सकता है।

हमने मॉडल को प्रशिक्षित करने के लिए मानव प्रतिक्रिया सुदृढ़ीकरण अधिगम (HFRL) का उपयोग किया (InstructGPT के समान विधियों का प्रयोग करते हुए), हालांकि हमने डेटा संग्रह को थोड़ा अलग तरीके से कॉन्फ़िगर किया। हमने उपयोगकर्ताओं को उपयोगकर्ता इंटरफ़ेस के माध्यम से मॉडल द्वारा उत्पन्न समस्याग्रस्त परिणामों की रिपोर्ट करने के लिए प्रोत्साहित किया—साथ ही इंटरफ़ेस का हिस्सा रहे बाहरी सामग्री फ़िल्टर से प्राप्त गलत सकारात्मक या नकारात्मक परिणामों की भी रिपोर्ट करने के लिए। इसके लिए (AI प्रशिक्षकों द्वारा चैटबॉट के साथ की गई बातचीत का उपयोग करके मॉडल द्वारा लिखे गए संदेश का यादृच्छिक रूप से चयन किया गया), हमने कई वैकल्पिक नमूने निकाले और AI प्रशिक्षकों से उन्हें रैंक करने के लिए कहा। सुदृढ़ीकरण अधिगम के लिए एक पुरस्कार मॉडल बनाने के लिए, हमें तुलनात्मक डेटा एकत्र करने की आवश्यकता थी—अर्थात्, गुणवत्ता के आधार पर रैंक किए गए दो या अधिक मॉडल प्रतिक्रियाएँ। प्रशिक्षक प्रतिक्रियाएँ तैयार करने में सहायता के लिए मॉडल के सुझावों का संदर्भ ले सकते थे। पिछले मॉडलों ने हमें इस मॉडल को बेहतर बनाने में मदद की, और हम इस संस्करण से सीखे गए पाठों का उपयोग करके अधिक शक्तिशाली प्रणालियाँ विकसित करने की आशा करते हैं।