Що є Середина тренування?

Етапи навчання, які застосовуються після попереднього навчання, наприклад налаштування інструкцій, оптимізація параметрів і налаштування безпеки.

Набір структурованих або неструктурованих прикладів, які використовуються для навчання, перевірки чи тестування.

Захищений набір даних, який використовується для вимірювання якості моделі після навчання.

Постійне навчання на предметних даних для адаптації попередньо навченої моделі до конкретного завдання.

Початкове навчання великомасштабної моделі на широких даних перед подальшою адаптацією.

Модель, яка оцінює результати на основі сигналів переваги, часто використовується в конвеєрах RLHF.