生成AIパスポート 第5回　生成AI　問7（全12問）

RLHF（人間のフィードバックによる強化学習）について、Google「機械学習用語集」の説明に照らして、不適切なものを1つ選びなさい。

1. 1RLHFは、人間の評価者からのフィードバックを使って、モデルの応答の質を高めることである。
2. 2たとえば、利用者に応答の質を👍や👎で評価してもらう仕組みがある。
3. 3システムは、集まったフィードバックに基づいて、その後の応答を調整できる。
4. 4RLHFでは、人の評価は一切使わず、モデルが自分だけで応答の質を判定する。

選択肢を押すと答え合わせができます。