行行查
行业研究数据库
人工智能行业研究:快意大模型及短视频场景应用_23
- 人工智能
- 视频
- 短视频
快手在大模型研发中提出了一种名为“迭代式RLHF+RLAIF”的关键技术路径,旨在更高效地优化语言模型在短视频场景下的表现。该方法通过融合人类反馈(Human Feedback)与AI自反馈(AI Feedback),构建高质量的训练数据,进而驱动奖励模型(Reward Model)和策略模型的持续迭代升级。
具体流程上,首先利用SFT(监督微调)模型生成候选回复,再结合人工标注与AI自动评估(如基于GPT-4或文心等现成大模型进行评分)对这些回复进行打分,形成偏好数据。这一过程被称为RLAIF与RLHF的联合应用,能够有效提升数据质量并减少对大量人工标注的依赖。随后,这些偏好数据用于训练奖励模型,其架构采用Decoder+MOE(Mixture of Experts)设计,以增强模型表达能力,并防止出现“奖励欺骗”(reward hacking)问题。
在强化学习阶段,系统采用两种策略进行策略优化:一是基于PPO(Proximal Policy Optimization)的在线策略更新,通过Actor-Critic框架实现稳定高效的策略学习;二是DPO(Direct Preference Optimiz
关联报告






| 标题 | 时间 | 页数 | 目录 | 下载 |
|---|---|---|---|---|
| 人工智能对广域网的影响:思科报告2026 | 2026-10-27 | 26 | ||
| 《人工智能能力建设普惠计划》进展报告(2026) | 2026-10-27 | 22 | ||
| 人工智能的物理竞赛:对电力、水和关键矿产的控制正成为人工智能领导地位的决定性因素 | 2026-10-27 | 16 | ||
| 人工智能主线周报:智元发布具身模型,看好智能化 | 2026-11-02 | 19 | ||
| 人工智能行业专题:2026Q3海外大厂CapEx和ROIC总结梳理 | 2026-11-02 | 25 | ||
| 通信及人工智能组行业光互连系列报告(一):FAU,CPO/NPO驱动量价双升 | 2026-11-03 | 22 | ||
| 人工智能及计算机行业行业月报:国家数据集团正式成立,物理AI迎奇点时刻 | 2026-11-07 | 27 | ||
| 人工智能行业周观点:Anthropic下周正式挂牌,OpenAI推出ChatGPT钱包与商户中心 | 2026-11-16 | 50 | ||
| 人工智能行业半月报(2026年11月第2期):Anthropic即将上市,黄仁勋辞去CEO等职务 | 2026-11-18 | 20 | ||
| 专题研究报告:人工智能在资本市场的应用现状与演进方向 | 2026-11-19 | 31 |

行研数据库
创投数据库
证券数据库
商业数据库










