本研究提出了一种基于贝叶斯优化的框架，旨在整合众包反馈，以提升大语言模型的代码生成能力。研究表明，该方法提高了文本到代码的转换效率，并确保了高质量的人类反馈，从而实现更好的AI对齐效果。

Aligning Crowdsourced Human Feedback in Reinforcement Learning for Code Generation with Large Language Models
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证