अनुदेश ट्यूनिंग
निर्देश ट्यूनिंग एक प्रशिक्षण चरण है जो एक कच्चे पाठ-भविष्यवक्ता को एक मॉडल में बदल देता है जो वास्तव में 'इसे संक्षेप में बताएं' या 'एक विनम्र उत्तर लिखें' जैसे निर्देशों का पालन करता है। यह वह है जो बेस मॉडल को मददगार और संचालन योग्य महसूस कराता है।
गहरा गोता
एक आधार भाषा मॉडल को केवल वेब टेक्स्ट पर अगले टोकन की भविष्यवाणी करने के लिए प्रशिक्षित किया जाता है, इसलिए यदि आप कोई प्रश्न टाइप करते हैं तो यह उत्तर देने के बजाय और अधिक प्रश्नों के साथ जारी रह सकता है। अनुदेश ट्यूनिंग इसे ठीक करती है. यह पर्यवेक्षित फाइन-ट्यूनिंग का एक रूप है: मॉडल को हजारों कार्यों को कवर करने वाले (निर्देश, आदर्श प्रतिक्रिया) के कई जोड़े पर प्रशिक्षित किया जाता है - अनुवाद, सारांश, वर्गीकरण, प्रश्नोत्तर, कोडिंग, और बहुत कुछ। एक ही निर्देश-फिर-सहायक-उत्तर पैटर्न को बार-बार देखकर, मॉडल 'वही करें जो उपयोगकर्ता पूछता है' का सामान्य व्यवहार सीखता है, और यह उन निर्देशों को सामान्यीकृत करता है जो उसने प्रशिक्षण में कभी नहीं देखे थे। यह दृष्टिकोण 2021 के आसपास FLAN, T0 और प्राकृतिक निर्देशों जैसे काम द्वारा स्थापित किया गया था, और OpenAI के InstructGPT का केंद्र था, जिसने निर्देश संकेतों के एक क्यूरेटेड सेट पर GPT-3 को ठीक किया था। यह वह आधार है जिस पर अधिकांश चैट सहायक बनाए जाते हैं।
तकनीकी अंतर्दृष्टि
यंत्रवत्, निर्देश ट्यूनिंग मानक पर्यवेक्षित शिक्षण है: मॉडल के पूर्वानुमानित टोकन और संदर्भ उत्तर के बीच अंतर को कम करें, ग्रेडिएंट्स के साथ वजन को अपडेट करें। यह आरएलएचएफ (मानव प्रतिक्रिया से सुदृढीकरण सीखना) से अलग है, जो इनाम मॉडल का उपयोग करके मानव प्राथमिकताओं के बाद आता है और अनुकूलन करता है। सामान्य नुस्खा स्तरित है: पूर्व-प्रशिक्षण, फिर कार्य-पालन सिखाने के लिए निर्देश-ट्यून (एसएफटी), फिर टोन, सहायकता और सुरक्षा को परिष्कृत करने के लिए वैकल्पिक रूप से आरएलएचएफ। डेटा विविधता सरासर मात्रा से अधिक मायने रखती है - व्यापक कार्य कवरेज सामान्यीकरण को संचालित करता है।
सामरिक प्रभाव
गति और पैमाना
भाषा वर्कफ़्लो निरंतरता से समझौता किए बिना तेज़ी से आगे बढ़ सकता है।
पहुंच और पहुंच
यह सभी भाषाओं और संचार शैलियों तक पहुंच का विस्तार करता है।
स्पष्ट निर्णय
टीमें निर्णय लेने में अधिक समय व्यतीत कर सकती हैं जबकि स्वचालन पुनरावृत्ति को संभालता है।
निर्देश ट्यूनिंग का भविष्य
यह क्षेत्र विशाल हस्त-लिखित डेटासेट से उच्च-गुणवत्ता, आंशिक रूप से सिंथेटिक डेटा की ओर स्थानांतरित हो रहा है - कभी-कभी केवल कुछ हज़ार सावधानीपूर्वक चुने गए उदाहरण - इस निष्कर्ष के बाद कि डेटा गुणवत्ता मात्रा को मात दे सकती है। अधिक डोमेन-विशिष्ट निर्देश ट्यूनिंग (चिकित्सा, कानूनी, कोडिंग), बहुभाषी और मल्टीमॉडल निर्देश सेट और स्वचालित पाइपलाइनों की अपेक्षा करें जो निर्देश डेटा उत्पन्न और फ़िल्टर करते हैं। अनुदेश ट्यूनिंग एक कच्चे पूर्व-प्रशिक्षित मॉडल और एक प्रयोग करने योग्य सहायक के बीच आवश्यक पुल बनी रहेगी, जो संरेखण के लिए प्राथमिकता अनुकूलन के साथ बढ़ती जा रही है।
वास्तविक विश्व कार्यान्वयन
बेस जीपीटी-शैली मॉडल को एक चैट सहायक में बदलना जो प्रश्नों को प्रतिध्वनित करने के बजाय उनका उत्तर देता है
FLAN-T5, कई कार्यों के लिए सुव्यवस्थित है ताकि यह उन निर्देशों का पालन कर सके जिस पर इसे कभी भी स्पष्ट रूप से प्रशिक्षित नहीं किया गया था
InstructGPT, जहां GPT-3 को अधिक उपयोगी प्रतिक्रियाएँ उत्पन्न करने के लिए क्यूरेटेड संकेतों पर अनुदेश-ट्यून किया गया था
समर्थन और कानूनी टीमों द्वारा लिखे गए निर्देश-प्रतिक्रिया युग्मों को ठीक करके एक आंतरिक कंपनी सहायक का निर्माण करना
जोखिम और रेलिंग
मतिभ्रम वाले तथ्य चुपचाप रिपोर्ट में प्रवेश कर सकते हैं, प्रवाह का समर्थन कर सकते हैं, या अनुसंधान आउटपुट का समर्थन कर सकते हैं।
त्वरित संवेदनशीलता समान अनुरोधों में असंगत परिणाम पैदा कर सकती है।
यदि पहुंच नियंत्रण कमजोर हैं तो संवेदनशील पाठ डेटा उजागर हो सकता है।
कार्यान्वयन रोडमैप
रोलआउट से पहले आउटपुट स्वरूप, टोन और गुणवत्ता मानकों को परिभाषित करें।
जब भी सटीकता मायने रखती है तो विश्वसनीय स्रोतों के साथ जमीनी प्रतिक्रियाएँ।
उच्च जोखिम वाले आउटपुट के लिए एक मानव समीक्षा चेकपॉइंट रखें।
विफलता पैटर्न को ट्रैक करें और संकेतों या वर्कफ़्लो को नियमित रूप से पुनः प्रशिक्षित करें।
अन्वेषण करते रहें
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Instruction Tuning quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
अगली गाइड
उपसर्ग ट्यूनिंग
अक्सर पूछे जाने वाले प्रश्नों
इंस्ट्रक्शन ट्यूनिंग क्या है?
निर्देश ट्यूनिंग एक प्रशिक्षण चरण है जो एक कच्चे पाठ-भविष्यवक्ता को एक मॉडल में बदल देता है जो वास्तव में 'इसे संक्षेप में बताएं' या 'एक विनम्र उत्तर लिखें' जैसे निर्देशों का पालन करता है। यह वह है जो बेस मॉडल को मददगार और संचालन योग्य महसूस कराता है।
अनुदेश ट्यूनिंग आरएलएचएफ से किस प्रकार भिन्न है?
निर्देश ट्यूनिंग लक्ष्य प्रतिक्रियाओं पर पर्यवेक्षित शिक्षण है। आरएलएचएफ इसके बाद आता है और सीखी गई मानवीय प्राथमिकताओं के अनुरूप मॉडल को अनुकूलित करता है।
निर्देश-ट्यूनिंग डेटा की कौन सी संपत्ति किसी मॉडल की नए, अनदेखे निर्देशों का पालन करने की क्षमता को सबसे अधिक प्रेरित करती है?
विभिन्न प्रकार के कार्यों को कवर करने से निर्देशों का पालन करने का सामान्य व्यवहार सिखाया जाता है, जो प्रशिक्षण में कभी नहीं देखे गए निर्देशों का सामान्यीकरण करता है।
आधुनिक चैट सहायक के लिए प्रशिक्षण चरणों का विशिष्ट क्रम कौन सा है?
मॉडलों को पहले कच्चे पाठ पर पूर्व-प्रशिक्षित किया जाता है, फिर कार्यों का पालन करने के लिए अनुदेश-ट्यून किया जाता है, और टोन और सुरक्षा के लिए अक्सर आरएलएचएफ के साथ परिष्कृत किया जाता है।