# 人間フィードバック最適化

姜子牙ライティング大規模モデルV1は、LLaMaベースの130億パラメータ命令ファインチューニングモデルで、公文書レポート、講演原稿・手紙、クリエイティブコピーなど、さまざまなライティングタスクに特化しています。

DialogRPT-depthはマイクロソフトリサーチが開発した対話応答ランキングモデルで、対話応答が長いスレッドを引き起こす可能性を予測することに焦点を当てています。

DialogRPT-updownは、人間のフィードバックデータを基に訓練された対話応答ランキングモデルで、対話応答がいいねを獲得する可能性を予測します。