Istilah Glosarium AI

Apa itu DPO (Optimasi Preferensi Langsung)?

Definisi

Metode pelatihan yang menyempurnakan model secara langsung pada pasangan preferensi tanpa memerlukan model imbalan terpisah.

Istilah terkait

Pembelajaran Penguatan dari Umpan Balik Manusia (RLHF)
Sebuah metode pelatihan yang menggunakan sinyal preferensi manusia untuk membentuk perilaku model.
Pasca pelatihan
Langkah-langkah pelatihan diterapkan setelah pra-pelatihan, seperti penyetelan instruksi, optimalisasi preferensi, dan penyetelan keselamatan.
Pembelajaran Berkelanjutan
Pendekatan pelatihan yang memungkinkan model terus belajar dari data baru tanpa melupakan pengetahuan sebelumnya.
Penyempurnaan
Melanjutkan pelatihan pada data spesifik domain untuk mengadaptasi model yang telah dilatih sebelumnya ke tugas tertentu.
Penurunan Gradien
Metode optimasi yang memperbarui parameter ke arah yang mengurangi kesalahan.
Penyetelan Instruksi
Menyempurnakan model pasangan instruksi-respons untuk meningkatkan kemampuan mengikuti tugas.

Pelajari lebih lanjut di panduan gratis kami

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

See also

Tree of ThoughtsQLoRAReActFlash AttentionAgentic LoopMulti-Head AttentionMCP (Model Context Protocol)Positional Encoding
Jelajahi Glosarium AI selengkapnyaJelajahi semua panduan AI gratis