คืออะไร การฝึกกลางคัน?

ขั้นตอนการฝึกอบรมที่ใช้หลังจากการฝึกล่วงหน้า เช่น การปรับคำสั่ง การเพิ่มประสิทธิภาพการตั้งค่า และการปรับความปลอดภัย

คอลเลกชันของตัวอย่างที่มีโครงสร้างหรือไม่มีโครงสร้างที่ใช้สำหรับการฝึกอบรม การตรวจสอบ หรือการทดสอบ

ชุดข้อมูลที่เก็บไว้ซึ่งใช้ในการวัดคุณภาพของโมเดลหลังการฝึก

การฝึกอบรมอย่างต่อเนื่องเกี่ยวกับข้อมูลเฉพาะโดเมนเพื่อปรับโมเดลที่ได้รับการฝึกอบรมล่วงหน้าให้เข้ากับงานเฉพาะ

การฝึกอบรมโมเดลขนาดใหญ่เบื้องต้นเกี่ยวกับข้อมูลกว้างๆ ก่อนการปรับตัวดาวน์สตรีม

แบบจำลองที่ให้คะแนนเอาต์พุตตามสัญญาณการตั้งค่า ซึ่งมักใช้ในไปป์ไลน์ RLHF