Hva er Midt i trening?

Treningstrinn brukt etter forhåndstrening, for eksempel instruksjonsinnstilling, preferanseoptimalisering og sikkerhetsinnstilling.

En samling av strukturerte eller ustrukturerte eksempler som brukes til opplæring, validering eller testing.

Et holdt ut datasett som brukes til å måle modellkvalitet etter trening.

Fortsatt opplæring på domenespesifikke data for å tilpasse en forhåndstrent modell til en spesifikk oppgave.

Innledende modelltrening i stor skala på brede data før nedstrøms tilpasning.

En modell som skårer utganger basert på preferansesignaler, ofte brukt i RLHF-rørledninger.