ChatGPT采用RLHF学习机制,有哪些优点

GPT-3采用无监督学习机制，优点在于无需人工进行数据标注，可以节省模型训练成本，模型泛化能力更强。

而ChatGPT采用RLHF学习机制，即人工反馈的强化学习，属于强化学习。不同于传统的相比于传统的有监督学习机制，ChatGPT无需提前对训练数据进行标注，而只需要对人工 对模型输出的结果进行评分，从而可以节省人力。虽然相比于GPT-3，ChatGPT需要消耗一定的人力，但是模型结果会更加符合人类偏好。