Обучение Новини Инструм.Работни места Мисия

Термин от речника на AI

Какво е След тренировка?

Определение

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

Разгледайте пълния AI речник Разгледайте всички безплатни ръководства за AI

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 тренировкатаМеждинна 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 подготовкаПървоначално обучение за широкомащабни модели върху широки данни преди адаптиране надолу по веригата.Комплект за оценкаЗадържан набор от данни, използван за измерване на качеството на модела след обучение.Фина настройкаПродължаващо 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

Вижте също

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