এআই শব্দকোষের মেয়াদ

স্থল সত্য কী?

সংজ্ঞা

মডেল আউটপুট প্রশিক্ষণ বা মূল্যায়ন করতে ব্যবহৃত বিশ্বস্ত রেফারেন্স লেবেল।

টীকামেশিন লার্নিং মডেলের প্রশিক্ষণ বা মূল্যায়ন করতে ব্যবহৃত মানব-সংযোজিত লেবেল বা মেটাডেটা।GSM8Kভাষা মডেলে ধাপে ধাপে যুক্তি মূল্যায়ন করতে ব্যবহৃত গ্রেড-স্কুল গণিত শব্দ সমস্যার একটি বেঞ্চমার্ক।বেসলাইন মডেলএকটি সাধারণ রেফারেন্স মডেল তুলনা করার জন্য ব্যবহৃত হয় যে আরও জটিল পদ্ধতিগুলি আসলে ফলাফলগুলিকে উন্নত করে কিনা।ক্রস-এনট্রপি লসএকটি সাধারণ উদ্দেশ্য ফাংশন ভুল সম্ভাব্যতাকে শাস্তি দিয়ে শ্রেণিবিন্যাসের মডেলকে প্রশিক্ষণ দিতে ব্যবহৃত হয়।পুরস্কার মডেলএকটি মডেল যা পছন্দের সংকেতের উপর ভিত্তি করে আউটপুট স্কোর করে, প্রায়শই RLHF পাইপলাইনে ব্যবহৃত হয়।দুর্বল তদারকিপরিচ্ছন্ন লেবেলের অভাব হলে মডেলদের প্রশিক্ষণ দিতে শোরগোল, হিউরিস্টিক বা আংশিক লেবেল ব্যবহার করা।

আমাদের বিনামূল্যের গাইডে আরও জানুন

আরও দেখুন