публічно xAI не заявляв: «Ми навчали модель винагороди, яка відображає драфт твітів > очікуваних лайків.» Але вони дуже явно мають сировинні інгредієнти. X каже, що публічні пости, а також метадані, такі як взаємодія/повторні публікації, можна ділитися з xAI для навчання та точного налаштування. також зазначено, що ваші взаємодії, вхідні дані, результати і навіть явний зворотний зв'язок щодо Grok можуть бути використані для покращення моделей. тим часом Grok має нативний доступ до даних X у реальному часі, а xAI вже заявив, що використовує масштабний RL для логічного обґрунтування та використання інструментів. Тож я припускаю, що це не якийсь милий маленький прогноз >лайків у твітах, а щось більш заплутане і, ймовірно, потужніше, що відбувається, коли ви попереднє навчання на онлайн-дискурсі, вчитеся з того, що розповсюджуються, збираєте явний і неявний зворотний зв'язок, а потім дозволяєте метрикам продукту закривати коло. Жодної моделі винагороди. Скоріше повний стек оперантного кондиціювання.