OpenAIの強化学習停止 - OpenAIが最新モデルの強化学習を2週間停止。監視にかかる計算は推論の約20%

OpenAIが最新モデルの強化学習を2週間停止。監視にかかる計算は推論の約20%

OpenAIが訓練の何を止め、何を続けたか。最大規模のフロンティア実行が保留中の理由。全トークンを検査する新しい監視の仕組み。監視のために払っている計算コストの実数

TECH NOISY
0 コメント