Mi az Közép-edzés?

Az előképzés után alkalmazott képzési lépések, például az utasítások hangolása, a preferenciák optimalizálása és a biztonsági hangolás.

Strukturált vagy strukturálatlan példák gyűjteménye képzéshez, érvényesítéshez vagy teszteléshez.

Kinyújtott adatkészlet, amelyet a modell minőségének mérésére használnak edzés után.

Tartomány-specifikus adatok továbbképzése egy előre betanított modell adott feladathoz való adaptálásához.

Kezdeti nagy léptékű modellképzés széles körű adatokon a későbbi adaptáció előtt.

Az RLHF-csővezetékekben gyakran használt modell, amely preferenciális jelek alapján pontozza a kimeneteket.