Taal AI-GIDS
Afwijzingsbemonstering fijnafstemming
Rejection-sampling fine-tuning generates candidate responses, filters them with a reward model or verifier, and uses selected examples for supervised training.
Luister naar deze gidsAI-verteld · ~2 min
Op deze pagina2 min lezen
Overzicht
It can be simpler than policy-gradient optimization, but quality depends on the candidate pool and scorer.
Diepe duik
A rejection-sampling fine-tuning loop prompts a policy to generate multiple candidates, scores them with a reward model or task-specific verifier, and retains examples meeting a selection rule. The model is then fine-tuned with supervised learning on selected responses. In verifiable tasks, tests or exact-answer checks can provide a reward; open-ended tasks often rely on learned preference scores. Llama 2-Chat’s paper describes rejection sampling as one stage of its alignment pipeline. RFT can transfer best-of-N behavior into a model, but cannot select answers absent from the candidate pool and may overfit or exploit an imperfect scorer. It is not equivalent to every RLHF recipe and does not guarantee higher quality or diversity.
Implementatie in de echte wereld
Modellen in lama-stijl uitlijnen door meerdere antwoorden per prompt te samplen, waarbij de hoogste scores van het beloningsmodel behouden blijven, en vervolgens SFT daarop
Een wiskundeoplosser verbeteren door veel oplossingen te genereren en alleen die oplossingen te behouden die het juiste, controleerbare antwoord opleveren
Het genereren van code waarbij kandidaten alleen worden bewaard als ze slagen voor unit-tests, en vervolgens worden gebruikt als trainingsgegevens
Het bouwen van synthetische instructiedatasets door de beste zelf gegenereerde reacties van een model te filteren voor de volgende trainingsronde
De toekomst van het afstemmen van afwijzingssampling
RFT staat centraal in moderne post-training, vaak gebruikt vóór of naast RL-methoden zoals PPO en DPO. De aantrekkingskracht ervan groeit met goedkope gevolgtrekkingen en sterke automatische verificaties: naarmate modellen beter worden in het genereren en controleren van zichzelf, ondersteunt herhaalde afwijzingssteekproeven synthetische gegevens en zelfverbeteringslussen. Verwacht een nauwere integratie met redeneermodellen die verifieerbare denkketens opleveren, en een voortdurend onderzoek naar hoe beloningshacking en het instorten van de diversiteit kunnen worden voorkomen wanneer herhaaldelijk wordt getraind op de eigen resultaten van een model.
Het in de praktijk brengen
Waarom het ertoe doet
- Snelheid en schaal. Taalworkflows kunnen sneller verlopen zonder dat dit ten koste gaat van de consistentie.
- Toegang en bereik. Het breidt de toegang uit naar meerdere talen en communicatiestijlen.
- Duidelijkere beslissingen. Teams kunnen meer tijd besteden aan beoordeling, terwijl automatisering de herhaling afhandelt.
Pas op voor
- Gehallucineerde feiten kunnen stilletjes rapporten binnendringen, stromen ondersteunen of onderzoeksresultaten opleveren.
- Gevoeligheid voor prompts kan inconsistente resultaten opleveren voor vergelijkbare verzoeken.
- Gevoelige tekstgegevens kunnen openbaar worden gemaakt als de toegangscontroles zwak zijn.
Volgende stappen
- Definieer het uitvoerformaat, de toon en de kwaliteitsnormen vóór de implementatie.
- Grondreacties met vertrouwde bronnen wanneer nauwkeurigheid belangrijk is.
- Houd een menselijk controlepunt bij voor resultaten met een hoge inzet.
- Houd faalpatronen bij en train prompts of workflows regelmatig opnieuw.
Blijf verkennen
Gratis nieuwsbrief
Ontvang de dagelijkse AI-briefing
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Take the Rejection Sampling Fine-Tuning quiz
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
Veelgestelde vragen
What is Rejection Sampling Fine-Tuning?
Rejection-sampling fine-tuning generates candidate responses, filters them with a reward model or verifier, and uses selected examples for supervised training. It can be simpler than policy-gradient optimization, but quality depends on the candidate pool and scorer.
Which loop best describes how Rejection Sampling Fine-Tuning improves a model?
RFT bemonstert meerdere reacties, filtert op de best scorende reacties en verfijnt het model op die winnaars.
Wat kan als beloning dienen in verifieerbare domeinen zoals wiskunde of code?
Voor controleerbare taken kan RFT exacte correctheid gebruiken of unit-tests doorstaan, waardoor een aangeleerd beloningsmodel wordt vermeden.
Which model family does the cited paper describe using rejection sampling in its alignment pipeline?
The Llama 2 paper describes rejection sampling as one stage of the Llama 2-Chat alignment pipeline.
Why might a team choose rejection-sampling fine-tuning over a policy-gradient approach for some tasks?
RFT uses generated and filtered examples for supervised updates, though generation, scoring, and data quality still incur costs.
Wat doet training op de monsters met maximale beloning effectief?
Door te leren van de best gefilterde reacties, internaliseert het model gedrag van hogere kwaliteit in één generatie.
Blijf leren
Gerelateerde gidsen
Er zijn meer handleidingen voor dit onderwerp geselecteerd