(もちろん、スカラー報酬やバイナリ報酬などは、明らかに抵抗の少ないパスである場合に残しておきますが、実際のユーザーの場合、応答が嫌だった正確な理由があります。モデルは、単に親指を立てたり下げたりするだけでなく、応答が嫌だった理由を理解し、多くのサンプルから学習する必要があります)
スレッドを読み込み中
X から元のツイートを取得し、読みやすいビューを準備しています。
通常は数秒で完了しますので、お待ちください。
スレッドを読み込み中
X から元のツイートを取得し、読みやすいビューを準備しています。
通常は数秒で完了しますので、お待ちください。
1 件のツイート · 2025/11/28 7:09
(もちろん、スカラー報酬やバイナリ報酬などは、明らかに抵抗の少ないパスである場合に残しておきますが、実際のユーザーの場合、応答が嫌だった正確な理由があります。モデルは、単に親指を立てたり下げたりするだけでなく、応答が嫌だった理由を理解し、多くのサンプルから学習する必要があります)