คำศัพท์อภิธานศัพท์ AI

อ.ส.ค. (การเพิ่มประสิทธิภาพการตั้งค่าโดยตรง) คืออะไร?

คำนิยาม

วิธีการฝึกอบรมที่ปรับแต่งโมเดลโดยตรงตามคู่ความชอบ โดยไม่ต้องใช้โมเดลรางวัลแยกต่างหาก

การเรียนรู้การเสริมกำลังจากผลตอบรับของมนุษย์ (RLHF)วิธีการฝึกอบรมที่ใช้สัญญาณความชอบของมนุษย์เพื่อกำหนดรูปแบบพฤติกรรมของโมเดลหลังการฝึกอบรมขั้นตอนการฝึกอบรมที่ใช้หลังจากการฝึกล่วงหน้า เช่น การปรับคำสั่ง การเพิ่มประสิทธิภาพการตั้งค่า และการปรับความปลอดภัยการเรียนรู้อย่างต่อเนื่องแนวทางการฝึกอบรมที่ช่วยให้โมเดลสามารถเรียนรู้จากข้อมูลใหม่โดยไม่ลืมความรู้เดิมการปรับแต่งแบบละเอียดการฝึกอบรมอย่างต่อเนื่องเกี่ยวกับข้อมูลเฉพาะโดเมนเพื่อปรับโมเดลที่ได้รับการฝึกอบรมล่วงหน้าให้เข้ากับงานเฉพาะการไล่ระดับโคตรวิธีการปรับให้เหมาะสมที่อัพเดตพารามิเตอร์ในทิศทางที่ช่วยลดข้อผิดพลาดการปรับแต่งคำสั่งปรับแต่งแบบจำลองในคู่คำสั่งและการตอบสนองเพื่อปรับปรุงงานต่อไปนี้

เรียนรู้เพิ่มเติมในคำแนะนำฟรีของเรา

ดูเพิ่มเติม