What is Post-training? Definition | AI Understanding

Definisjon

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

Relaterte vilkår

DPO (direkte preferanseoptimalisering)

En treningsmetode som finjusterer modeller direkte på preferansepar uten å trenge en egen belønningsmodell.

En mellomopplæringsfase mellom førtrening og ettertrening, ofte brukt til kapasitets- eller domenejusteringer.

Parameter-effektiv finjustering (PEFT)

Metoder som tilpasser modeller ved å trene opp en liten delmengde av ekstra parametere.

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

Evalueringssett

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.

Lær mer i våre gratis guider

AI Training Pseudo-Labeling and Self-Training ELECTRA Pretraining RoBERTa Training Recipe

Se også

Self-Play Watermarking RAG-Fusion Citations Multi-Query Retrieval Factuality Parent-Document Retrieval GSM8K

Bla gjennom hele AI-ordlisten Utforsk alle gratis AI-guider