Όρος Γλωσσάρι AI

Τι είναι Μετά την προπόνηση;

Ορισμός

Βήματα εκπαίδευσης που εφαρμόζονται μετά την προπόνηση, όπως συντονισμός οδηγιών, βελτιστοποίηση προτιμήσεων και συντονισμός ασφαλείας.

Περιηγηθείτε στο πλήρες Γλωσσάρι AIΕξερευνήστε όλους τους δωρεάν οδηγούς AI

Σχετικοί όροι

DPO (Άμεση βελτιστοποίηση προτιμήσεων)Μια μέθοδος εκπαίδευσης που προσαρμόζει τα μοντέλα απευθείας σε ζεύγη προτιμήσεων χωρίς να χρειάζεται ξεχωριστό μοντέλο ανταμοιβής.Ενδιάμεση προπόνησηΜια ενδιάμεση φάση εκπαίδευσης μεταξύ της προ-προπόνησης και της μετα-εκπαίδευσης, που χρησιμοποιείται συχνά για προσαρμογές ικανοτήτων ή τομέα.Παράμετρος Αποτελεσματική Μικροσυντονισμός (PEFT)Μέθοδοι που προσαρμόζουν μοντέλα εκπαιδεύοντας ένα μικρό υποσύνολο πρόσθετων παραμέτρων.ΠροεκπαίδευσηΑρχική εκπαίδευση μοντέλων μεγάλης κλίμακας σε ευρεία δεδομένα πριν από την κατάντη προσαρμογή.Σετ αξιολόγησηςΈνα συγκρατημένο σύνολο δεδομένων που χρησιμοποιείται για τη μέτρηση της ποιότητας του μοντέλου μετά την εκπαίδευση.ΒελτιστοποίησηΣυνεχής εκπαίδευση σε δεδομένα συγκεκριμένου τομέα για την προσαρμογή ενός προεκπαιδευμένου μοντέλου σε μια συγκεκριμένη εργασία.

Μάθετε περισσότερα στους δωρεάν οδηγούς μας

AI TrainingPseudo-Labeling and Self-TrainingELECTRA PretrainingRoBERTa Training Recipe

Δείτε επίσης

Self-PlayWatermarkingRAG-FusionCitationsMulti-Query RetrievalFactualityParent-Document RetrievalGSM8K