Termine del glossario AI

Cos'è DPO (ottimizzazione delle preferenze dirette)?

Definizione

Un metodo di formazione che ottimizza i modelli direttamente sulle coppie di preferenze senza bisogno di un modello di ricompensa separato.

Termini correlati

Apprendimento per rinforzo dal feedback umano (RLHF)
Un metodo di training che utilizza segnali di preferenza umana per modellare il comportamento del modello.
Post-allenamento
Passaggi di formazione applicati dopo la formazione preliminare, come l'ottimizzazione delle istruzioni, l'ottimizzazione delle preferenze e la messa a punto della sicurezza.
Apprendimento continuo
Approcci di formazione che consentono a un modello di continuare ad apprendere dai nuovi dati senza dimenticare le conoscenze precedenti.
Messa a punto
Formazione continua su dati specifici del dominio per adattare un modello pre-addestrato a un compito specifico.
Discesa gradiente
Un metodo di ottimizzazione che aggiorna i parametri nella direzione che riduce l'errore.
Sintonizzazione delle istruzioni
Messa a punto di un modello sulle coppie istruzione-risposta per migliorare il follow-up del compito.

Scopri di più nelle nostre guide gratuite

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

Vedi anche

Tree of ThoughtsQLoRAReActFlash AttentionAgentic LoopMulti-Head AttentionMCP (Model Context Protocol)Positional Encoding
Sfoglia il glossario completo dell'intelligenza artificialeEsplora tutte le guide gratuite sull'intelligenza artificiale