本文へスキップ

C3PO

一文のフィードバックで LLM を調整する

公式サイトを見る
カテゴリ AIモデル

C3PO とは

本手法は利用者のフィードバックから大規模言語モデルを整合するものと説明されている。

できること

  • フィードバックから関連する類別を抽出する
  • 各フィードバック向けにベースラインを訓練する
  • 手法とベースラインの応答を比べる

しくみ

  • まず一つのフィードバック文を起点にする
  • そこからプロンプトと完成を抽出する
  • 微調整のためにベースラインを訓練する

長所と短所

✓ 良い点

  • 参照実装と関連するベースラインが用意されている
  • 手法に必要な構成要素が含まれる

! 注意したい点

  • 整合は利用者のフィードバックを入力として始まる
  • 記述はフィードバック単位の微調整を中心にしている

よくある質問

入力は?

資料では一つのフィードバック文で調整すると説明。

何が含まれる?

資料では参照実装、ベースライン、必要な構成要素が並ぶ。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法