とは何ですか トレーニング後?

別の報酬モデルを必要とせずに、好みのペアに基づいてモデルを直接微調整するトレーニング方法。

トレーニング前とトレーニング後の中間トレーニング段階。能力やドメインの調整によく使用されます。

追加されたパラメーターの小さなサブセットをトレーニングすることでモデルを適応させる方法。

下流の適応の前に、広範なデータに対する初期の大規模モデルのトレーニング。

トレーニング後にモデルの品質を測定するために使用される保持されたデータセット。

ドメイン固有のデータに対するトレーニングを継続して、事前トレーニングされたモデルを特定のタスクに適応させます。