Όρος Γλωσσάρι AI

Τι είναι Μετά την προπόνηση?

Ορισμός

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

Σχετικοί όροι

DPO (Άμεση βελτιστοποίηση προτιμήσεων)
Μια μέθοδος εκπαίδευσης που προσαρμόζει τα μοντέλα απευθείας σε ζεύγη προτιμήσεων χωρίς να χρειάζεται ξεχωριστό μοντέλο ανταμοιβής.
Ενδιάμεση προπόνηση
Μια 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.
Προεκπαίδευση
Αρχική εκπαίδευση μοντέλων μεγάλης κλίμακας σε ευρεία δεδομένα πριν από την κατάντη προσαρμογή.
Σετ αξιολόγησης
Ένα συγκρατημένο σύνολο δεδομένων που χρησιμοποιείται για τη μέτρηση της ποιότητας του μοντέλου μετά την εκπαίδευση.
Βελτιστοποίηση
Συνεχής εκπαίδευση σε δεδομένα συγκεκριμένου τομέα για την προσαρμογή ενός προεκπαιδευμένου μοντέλου σε μια συγκεκριμένη εργασία.

Μάθετε περισσότερα στους δωρεάν οδηγούς μας

Δείτε επίσης