同じ入力からN個の回答候補を生成し、評価基準に沿って最も良い候補を選ぶ方法です。報酬モデルや検証器などで候補を評価し、生成時の計算量を使って出力の改善を図ります。
実務で確認すること
例えば説明文を5案作り、必須事項を満たすか、内容が正確かなどで採点して1案を選びます。Nを増やした効果と費用を比較し、評価器が高く採点する回答が実際にも良いかを人の確認や別の評価で点検します。
参考資料
確認日:
文章生成と推論の制御
同じ入力からN個の回答候補を生成し、評価基準に沿って最も良い候補を選ぶ方法です。報酬モデルや検証器などで候補を評価し、生成時の計算量を使って出力の改善を図ります。
例えば説明文を5案作り、必須事項を満たすか、内容が正確かなどで採点して1案を選びます。Nを増やした効果と費用を比較し、評価器が高く採点する回答が実際にも良いかを人の確認や別の評価で点検します。
確認日: