언어 모델은 사용자 지시를 이해하고 따라야 합니다. 보통 강화 학습은 “도움”과 “해로움”과 같은 고정된 기준을 사용하여 이를 돕습니다. 저자들은 보상 모델 대신 유연한, 지시별 기준을 제안하며, “체크리스트 피드백에서 강화 학습”을 제안합니다. 지시에서 체크리스트를 추출하고 응답이 각 항목을 얼마나 잘 만족시키는지를 AI 심사관 및 전문가를 활용하여 평가합니다.

<Apple 뉴스 본문 전체읽기>