パラメータ効率の高い強化学習（PERL）：人間フィードバックから

RLHFを使用してPretrained Large Language Models（LLMs）を人間の好みに合わせる方法を改善し、計算リソースの負担を軽減するために、LoRAを使用した「Parameter Efficient Reinforcement Learning」（PERL）が有効であることを示す。