為真實工程工作後訓練 Gemini 4 — Google DeepMind 的 Melvin Johnson
Google DeepMind 的 Melvin Johnson 說明,為工程工作後訓練 Gemini 4 的關鍵在於評分標準化(rubric-based grading)與軌跡接地(trajectory grounding),在訓練資料趨於飽和之際,將代理的捏造率從 8% 降到 1.5%。
Google DeepMind 的 Melvin Johnson 說明,為工程工作後訓練 Gemini 4 的關鍵在於評分標準化(rubric-based grading)與軌跡接地(trajectory grounding),在訓練資料趨於飽和之際,將代理的捏造率從 8% 降到 1.5%。