AI لغت کی اصطلاح

ڈی پی او (براہ راست ترجیحی اصلاح) کیا ہے؟

تعریف

ایک تربیتی طریقہ جو ماڈلز کو براہ راست ترجیحی جوڑوں پر بناتا ہے بغیر کسی علیحدہ انعامی ماڈل کی ضرورت کے۔

مکمل AI لغت براؤز کریں۔تمام مفت AI گائیڈز دریافت کریں۔

متعلقہ شرائط

انسانی تاثرات سے کمک سیکھنا (RLHF)ایک تربیتی طریقہ جو ماڈل کے رویے کو تشکیل دینے کے لیے انسانی ترجیحی اشارے استعمال کرتا ہے۔بعد از تربیتپہلے سے تربیت کے بعد تربیتی اقدامات کا اطلاق ہوتا ہے، جیسے کہ انسٹرکشن ٹیوننگ، ترجیحی اصلاح، اور حفاظتی ٹیوننگ۔مسلسل سیکھناتربیتی نقطہ نظر جو ایک ماڈل کو پیشگی معلومات کو فراموش کیے بغیر نئے ڈیٹا سے سیکھتے رہنے دیتے ہیں۔فائن ٹیوننگپہلے سے تربیت یافتہ ماڈل کو مخصوص کام کے لیے ڈھالنے کے لیے ڈومین کے مخصوص ڈیٹا پر تربیت جاری رکھنا۔تدریجی نزولایک اصلاح کا طریقہ جو پیرامیٹرز کو اس سمت میں اپ ڈیٹ کرتا ہے جو غلطی کو کم کرتا ہے۔انسٹرکشن ٹیوننگمندرجہ ذیل کام کو بہتر بنانے کے لیے انسٹرکشن رسپانس جوڑوں پر ماڈل کو ٹھیک کرنا۔

ہماری مفت گائیڈز میں مزید جانیں۔

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

یہ بھی دیکھیں

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