4轮暴训，Llama 7B击败GPT-4！Meta等让LLM「分饰三角」自评自进化 【新智元导读】Meta、UC伯克利、NYU共同提出元奖励语言模型，给「超级对齐」指条明路:让AI自己当裁判，自我改进对齐，效果秒杀自我奖励模型。LLM对数据的大量消耗，不仅体现 Llama7B 2024年08月11日 129 点赞 110 评论 74 浏览
