co je Střední trénink?

Školicí kroky aplikované po předběžném školení, jako je ladění instrukcí, optimalizace preferencí a ladění bezpečnosti.

Sbírka strukturovaných nebo nestrukturovaných příkladů používaných pro školení, ověřování nebo testování.

Zadržená datová sada používaná k měření kvality modelu po školení.

Pokračující školení o datech specifických pro doménu, aby bylo možné předem trénovaný model přizpůsobit konkrétnímu úkolu.

Počáteční školení modelů ve velkém měřítku na širokých datech před následnou adaptací.

Model, který hodnotí výstupy na základě preferenčních signálů, často používaný v potrubích RLHF.