Tarek Naous

用户模拟器在生成下一句话之前先写出对助手这一轮的内心评价，包括1到5分打分和批评或称赞的判断；在真实用户与ChatGPT的交互日志上，这种模拟器比同规模提示式模拟器更贴近真人，并让助手多轮强化学习在效果持平的同时把算力降到不足一半。

用户模拟器在生成下一句话之前先写出对助手这一轮的内心评价，包括1到5分打分和批评或称赞的判断；在真实用户与ChatGPT的交互日志上，这种模拟器比同规模提示式模拟器更贴近真人，并让助手多轮强化学习在效果持平的同时把算力降到不足一半。