最近一直好奇一个问题：用户反馈数据（点赞点踩三选一四选一）给模型做强化学习有没有用？用处多大？产品能否构建起数据飞轮形成壁垒？ 目前问了几个从业者，收...

用户昵称：嘉儿的移动城堡
Username：DE0A2E3A-6304-4964-A203-729939FADC5E

最近一直好奇一个问题：用户反馈数据（点赞点踩三选一四选一）给模型做强化学习有没有用？用处多大？产品能否构建起数据飞轮形成壁垒？

目前问了几个从业者，收集到的回答有：
1. 很有用
2. 在娱乐化场景用处不大，因为用户的选择偏好很离散
3. alignment阶段让模型语言风格贴近用户喜好有些用处，但本质对于模型能力提升用处不大

欢迎各位大神评论

via AI探索站 - 即刻圈子 (author: 嘉儿的移动城堡)

via ChatGPT 精选 - Telegram Channel (author: aibot)