مصطلح مسرد الذكاء الاصطناعي

ما هو DPO (تحسين التفضيلات المباشرة)?

التعريف

طريقة تدريب تعمل على ضبط النماذج مباشرة على أزواج التفضيلات دون الحاجة إلى نموذج مكافأة منفصل.

المصطلحات ذات الصلة

تعزيز التعلم من ردود الفعل البشرية (RLHF)
طريقة تدريب تستخدم إشارات التفضيل البشري لتشكيل سلوك النموذج.
ما بعد التدريب
يتم تطبيق خطوات التدريب بعد التدريب المسبق، مثل ضبط التعليمات، وتحسين التفضيلات، وضبط الأمان.
التعلم المستمر
أساليب التدريب التي تسمح للنموذج بمواصلة التعلم من البيانات الجديدة دون نسيان المعرفة السابقة.
ضبط دقيق
مواصلة التدريب على البيانات الخاصة بالمجال لتكييف نموذج تم تدريبه مسبقًا مع مهمة محددة.
نزول التدرج
طريقة تحسين تقوم بتحديث المعلمات في الاتجاه الذي يقلل من الخطأ.
ضبط التعليمات
ضبط نموذج على أزواج التعليمات والاستجابة لتحسين متابعة المهام.

تعرف على المزيد في أدلةنا المجانية

AI Inference OptimizationBidirectional Recurrent NetworksSecond-Order Optimization and Newton MethodsOdds Ratio Preference Optimization

انظر أيضا

Tree of ThoughtsQLoRAReActFlash AttentionAgentic LoopMulti-Head AttentionMCP (Model Context Protocol)Positional Encoding
تصفح قاموس الذكاء الاصطناعي الكاملاستكشف جميع أدلة الذكاء الاصطناعي المجانية