Termo do glossário de IA

O que é DPO (otimização de preferência direta)?

Definição

Um método de treinamento que ajusta modelos diretamente em pares de preferências sem a necessidade de um modelo de recompensa separado.

Navegue pelo glossário completo de IAExplore todos os guias gratuitos de IA

Termos relacionados

Aprendizagem por Reforço com Feedback Humano (RLHF)Um método de treinamento que usa sinais de preferência humana para moldar o comportamento do modelo.Pós-treinamentoEtapas de treinamento aplicadas após o pré-treinamento, como ajuste de instrução, otimização de preferência e ajuste de segurança.Aprendizagem ContínuaAbordagens de treinamento que permitem que um modelo continue aprendendo com novos dados sem esquecer o conhecimento prévio.AfinaçãoTreinamento contínuo em dados específicos de domínio para adaptar um modelo pré-treinado a uma tarefa específica.Descida GradienteUm método de otimização que atualiza os parâmetros na direção que reduz o erro.Ajuste de instruçãoAjustando um modelo em pares instrução-resposta para melhorar o acompanhamento de tarefas.

Saiba mais em nossos guias gratuitos

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

Veja também

Tree of ThoughtsQLoRAReActFlash AttentionAgentic LoopMulti-Head AttentionMCP (Model Context Protocol)Positional Encoding