在近期科技界的矚目之下，OpenAI啟動(dòng)了一場為期兩周的盛大新品發(fā)布活動(dòng)，命名為“shipmas”，旨在帶來一系列革新性的功能、產(chǎn)品及演示。活動(dòng)進(jìn)入第二天，OpenAI隆重推出了強(qiáng)化微調(diào)（Reinforcement Fine-Tuning，簡稱RFT）技術(shù)，這一突破性進(jìn)展為開發(fā)者和機(jī)器學(xué)習(xí)工程師在構(gòu)建針對復(fù)雜特定領(lǐng)域任務(wù)的專家模型上開辟了新的道路。
強(qiáng)化微調(diào)技術(shù)通過一種創(chuàng)新的模型定制方法，使得開發(fā)者能夠利用精選的高質(zhì)量任務(wù)集對模型進(jìn)行精細(xì)調(diào)整。該技術(shù)引入了參考答案來評估模型的響應(yīng)，進(jìn)而顯著提升模型在特定領(lǐng)域任務(wù)中的推理能力和準(zhǔn)確性。這一方法不僅深化了模型處理類似問題的能力，還極大提高了其在該領(lǐng)域特定任務(wù)上的表現(xiàn)精度。
OpenAI官方對強(qiáng)化微調(diào)技術(shù)進(jìn)行了詳細(xì)介紹：開發(fā)者可以運(yùn)用數(shù)十至數(shù)千個(gè)高質(zhì)量任務(wù)，對OpenAI的模型進(jìn)行個(gè)性化定制，并通過參考答案對模型的回答進(jìn)行評分。官方指出，RFT技術(shù)通過強(qiáng)化模型推理過程，顯著提高了其在特定領(lǐng)域任務(wù)上的準(zhǔn)確性。
與傳統(tǒng)的微調(diào)方法相比，強(qiáng)化微調(diào)利用強(qiáng)化學(xué)習(xí)算法，將模型的表現(xiàn)從一般高水平提升至專家級水平。RFT不僅超越了標(biāo)準(zhǔn)的監(jiān)督式微調(diào)，更讓模型學(xué)會(huì)以一種全新的方式進(jìn)行推理。通過對模型答案進(jìn)行評分并強(qiáng)化正確的推理路徑，RFT技術(shù)僅需少量示例便能顯著提升模型性能。
RFT技術(shù)還允許用戶利用自己的黃金數(shù)據(jù)集創(chuàng)建獨(dú)特的模型，并將其應(yīng)用于法律、金融、工程、保險(xiǎn)等需要深厚專業(yè)知識(shí)的領(lǐng)域。這一技術(shù)的推出，無疑為這些領(lǐng)域帶來了人工智能輔助的新機(jī)遇。
OpenAI此次活動(dòng)特別面向研究機(jī)構(gòu)、高校和企業(yè)開放申請，尤其是那些目前由專家執(zhí)行一系列復(fù)雜狹窄任務(wù)，且有望從人工智能輔助中受益的機(jī)構(gòu)。OpenAI表示，強(qiáng)化微調(diào)技術(shù)在結(jié)果具有客觀“正確”答案，且大多數(shù)專家會(huì)達(dá)成一致的任務(wù)中表現(xiàn)出色，因此在法律、保險(xiǎn)、醫(yī)療、金融、工程等領(lǐng)域具有廣泛的應(yīng)用前景。
參與者將有機(jī)會(huì)提前訪問Alpha版的強(qiáng)化微調(diào)API，并在特定領(lǐng)域任務(wù)中進(jìn)行測試。OpenAI還鼓勵(lì)參與者分享數(shù)據(jù)集，共同推動(dòng)OpenAI模型的改進(jìn)。這一舉措不僅促進(jìn)了技術(shù)的開放共享，還加速了人工智能技術(shù)的迭代升級。
OpenAI預(yù)計(jì)將于2025年初公開發(fā)布強(qiáng)化微調(diào)功能。OpenAI首席執(zhí)行官山姆·阿爾特曼對強(qiáng)化微調(diào)技術(shù)給予了高度評價(jià)：“強(qiáng)化微調(diào)的效果令人驚嘆，它是我2024年最大的驚喜之一。”這一技術(shù)的推出，無疑將為人工智能技術(shù)的發(fā)展和應(yīng)用開啟新的篇章。
