คำศัพท์อภิธานศัพท์ AI

คืออะไร อ.ส.ค. (การเพิ่มประสิทธิภาพการตั้งค่าโดยตรง)?

คำนิยาม

วิธีการฝึกอบรมที่ปรับแต่งโมเดลโดยตรงตามคู่ความชอบ โดยไม่ต้องใช้โมเดลรางวัลแยกต่างหาก

ข้อกำหนดที่เกี่ยวข้อง

การเรียนรู้การเสริมกำลังจากผลตอบรับของมนุษย์ (RLHF)
วิธีการฝึกอบรมที่ใช้สัญญาณความชอบของมนุษย์เพื่อกำหนดรูปแบบพฤติกรรมของโมเดล
หลังการฝึกอบรม
ขั้นตอนการฝึกอบรมที่ใช้หลังจากการฝึกล่วงหน้า เช่น การปรับคำสั่ง การเพิ่มประสิทธิภาพการตั้งค่า และการปรับความปลอดภัย
การเรียนรู้อย่างต่อเนื่อง
แนวทางการฝึกอบรมที่ช่วยให้โมเดลสามารถเรียนรู้จากข้อมูลใหม่โดยไม่ลืมความรู้เดิม
การปรับแต่งแบบละเอียด
การฝึกอบรมอย่างต่อเนื่องเกี่ยวกับข้อมูลเฉพาะโดเมนเพื่อปรับโมเดลที่ได้รับการฝึกอบรมล่วงหน้าให้เข้ากับงานเฉพาะ
การไล่ระดับโคตร
วิธีการปรับให้เหมาะสมที่อัพเดตพารามิเตอร์ในทิศทางที่ช่วยลดข้อผิดพลาด
การปรับแต่งคำสั่ง
ปรับแต่งแบบจำลองในคู่คำสั่งและการตอบสนองเพื่อปรับปรุงงานต่อไปนี้

เรียนรู้เพิ่มเติมในคำแนะนำฟรีของเรา

ดูเพิ่มเติม