What is Post-training? Definition | AI Understanding

Определение

Стъпки на обучение, приложени след предварително обучение, като настройка на инструкциите, оптимизиране на предпочитанията и настройка на безопасността.

Свързани термини

DPO (директна оптимизация на предпочитанията)

Метод на обучение, който прецизира моделите директно върху двойки предпочитания, без да е необходим отделен модел на възнаграждение.

По средата на тренировката

Междинна фаза на обучение между предварително и след обучение, често използвана за корекции на способности или домейн.

Параметрно ефективна фина настройка (PEFT)

Методи, които адаптират модели чрез обучение на малък поднабор от добавени параметри.

Предварителна подготовка

Първоначално обучение за широкомащабни модели върху широки данни преди адаптиране надолу по веригата.

Комплект за оценка

Задържан набор от данни, използван за измерване на качеството на модела след обучение.

Фина настройка

Продължаващо обучение върху специфични за домейн данни за адаптиране на предварително обучен модел към конкретна задача.

Научете повече в нашите безплатни ръководства

AI Training Pseudo-Labeling and Self-Training ELECTRA Pretraining RoBERTa Training Recipe

See also

Self-Play Watermarking RAG-Fusion Citations Multi-Query Retrieval Factuality Parent-Document Retrieval GSM8K

Разгледайте пълния AI речник Разгледайте всички безплатни ръководства за AI