Stability AI、RLHFで強化学習した初のオープンソース対話モデル「StableVicuna」公開
Stability AIは人間のフィードバックによる強化学習（RLHF）を適用した初の大規模オープンソース対話モデル「StableVicuna-13B」を公開した。Vicuna-13BをベースにtrlXフレームワークとAnthropicなどの公開データセットで学習。ChatGPT同様のRLHF手法をオープンソース界に持ち込んだ点が注目される。Hugging Faceで差分重みが配布されている。