Terme du glossaire IA

Qu'est-ce que DPO (Optimisation des Préférences Directes)?

Définition

Une méthode de formation qui affine les modèles directement sur les paires de préférences sans avoir besoin d'un modèle de récompense distinct.

Termes associés

Apprentissage par renforcement à partir de la rétroaction humaine (RLHF)
Une méthode de formation qui utilise les signaux de préférence humaine pour façonner le comportement du modèle.
Post-formation
Étapes de formation appliquées après la pré-formation, telles que le réglage des instructions, l'optimisation des préférences et le réglage de la sécurité.
Apprentissage continu
Des approches de formation qui permettent à un modèle de continuer à apprendre de nouvelles données sans oublier les connaissances antérieures.
Mise au point
Formation continue sur des données spécifiques au domaine pour adapter un modèle pré-entraîné à une tâche spécifique.
Descente de dégradé
Une méthode d'optimisation qui met à jour les paramètres dans le sens qui réduit les erreurs.
Réglage des instructions
Affiner un modèle sur les paires instruction-réponse pour améliorer le suivi des tâches.

Apprenez-en davantage dans nos guides gratuits

AI Inference OptimizationBidirectional Recurrent NetworksSecond-Order Optimization and Newton MethodsOdds Ratio Preference Optimization

Voir aussi

Tree of ThoughtsQLoRAReActFlash AttentionAgentic LoopMulti-Head AttentionMCP (Model Context Protocol)Positional Encoding
Parcourez le glossaire complet de l'IAExplorez tous les guides gratuits sur l'IA