Ilana Tuning
Ṣiṣatunṣe itọnisọna jẹ igbesẹ ikẹkọ ti o yi ọrọ asọtẹlẹ-aise kan pada si awoṣe ti o tẹle awọn ilana gangan bi 'ṣe akopọ eyi' tabi 'kọ esi towotowo’. O jẹ ohun ti o jẹ ki awoṣe ipilẹ kan rilara iranlọwọ ati iriju.
Jin Dive
Awoṣe ede ipilẹ jẹ ikẹkọ nikan lati sọ asọtẹlẹ ami atẹle lori ọrọ wẹẹbu, nitorinaa ti o ba tẹ ibeere kan o le kan tẹsiwaju pẹlu awọn ibeere diẹ sii dipo idahun. Ṣiṣatunṣe itọnisọna ṣe atunṣe eyi. O jẹ fọọmu ti iṣatunṣe itanran ti iṣakoso: awoṣe ti ni ikẹkọ lori ọpọlọpọ awọn orisii (itọnisọna, esi to dara) ti o bo ẹgbẹẹgbẹrun awọn iṣẹ ṣiṣe - itumọ, akopọ, ipinya, Q&A, ifaminsi, ati diẹ sii. Nipa wiwo ilana itọnisọna kanna-lẹhinna-iranlọwọ-idahun leralera, awoṣe naa kọ ẹkọ ihuwasi gbogbogbo ti 'ṣe ohun ti olumulo beere,' ati pe eyi ṣe akopọ si awọn ilana ti ko rii ni ikẹkọ. Ilana naa ti dasilẹ ni ayika 2021 nipasẹ iṣẹ bii FLAN, T0, ati Awọn Itọsọna Adayeba, ati pe o jẹ aringbungbun si OpenAI's InstructGPT, eyiti o ṣe atunṣe GPT-3 daradara lori eto itọsona ti a yan. O ti wa ni ipile julọ iwiregbe arannilọwọ ti wa ni itumọ ti lori.
Imọ-imọ-ẹrọ
Ni ẹrọ-ẹrọ, ṣiṣatunṣe itọnisọna jẹ ẹkọ abojuto boṣewa: dinku iyatọ laarin awọn ami asọtẹlẹ awoṣe ati idahun itọkasi, pẹlu awọn iwọn mimu ti n ṣe imudojuiwọn awọn iwuwo. O yato si RLHF (ẹkọ imudara lati awọn esi eniyan), eyiti o wa lẹhin ati mu awọn ayanfẹ eniyan ṣiṣẹ ni lilo awoṣe ere. Ohunelo ti o ṣe deede jẹ siwa: pretrain, lẹhinna itọnisọna-tune (SFT) lati kọ ẹkọ-tẹle iṣẹ-ṣiṣe, lẹhinna RLHF ni iyan lati ṣatunṣe ohun orin, iranlọwọ, ati ailewu. Oniruuru data ṣe pataki diẹ sii ju iwọn didun lasan - agbegbe iṣẹ-ṣiṣe gbooro n ṣakojọpọ gbogbogbo.
Ipa Ilana
Iyara ati iwọn
Ṣiṣan iṣẹ ede le gbe ni iyara laisi irubọ aitasera.
Wiwọle ati arọwọto
O faagun iraye si kọja awọn ede ati awọn aza ibaraẹnisọrọ.
Awọn ipinnu diẹ sii
Awọn ẹgbẹ le lo akoko diẹ sii lori idajọ lakoko ti adaṣe n kapa atunwi.
Ojo iwaju ti Ilana Tuning
Aaye naa n yipada lati awọn iwe data ti a kọ ni ọwọ omiran si didara ti o ga julọ, data sintetiki apakan - nigbakan awọn apẹẹrẹ ti a ti yan ẹgbẹrun diẹ - lẹhin awọn awari pe didara data le lu opoiye. Reti atunṣe ilana-ipin pato-ašẹ diẹ sii (egbogi, ofin, ifaminsi), multilingual ati awọn eto itọnisọna multimodal, ati awọn opo gigun ti adaṣe ti o ṣe ipilẹṣẹ ati ṣe àlẹmọ data itọnisọna. Ṣiṣatunṣe itọnisọna yoo duro ni afara pataki laarin awoṣe ti a ti kọkọ tẹlẹ aise ati oluranlọwọ nkan elo, ni idapo pọ si pẹlu iṣapeye yiyan fun titete.
Real-World imuse
Yipada awoṣe ara-ara GPT kan sinu oluranlọwọ iwiregbe ti o dahun awọn ibeere dipo didimu wọn
FLAN-T5, aifwy daradara kọja ọpọlọpọ awọn iṣẹ-ṣiṣe ki o le tẹle awọn ilana ti ko ṣe ikẹkọ ni gbangba lori
InstructGPT, nibiti GPT-3 ti wa ni aifwy ilana lori awọn itọsi ti a yan lati ṣe agbejade awọn idahun iranlọwọ diẹ sii
Ṣiṣe oluranlọwọ ile-iṣẹ inu nipasẹ ṣiṣe atunṣe daradara lori awọn orisii idahun-itọnisọna ti a kọ nipasẹ atilẹyin ati awọn ẹgbẹ ofin
Awọn ewu & Awọn ọna iṣọ
Awọn otitọ ti a sọ di mimọ le tẹ awọn ijabọ sii ni idakẹjẹ, awọn ṣiṣan atilẹyin, tabi awọn abajade iwadii.
Ifamọ kiakia le ṣẹda awọn abajade aisedede kọja awọn ibeere ti o jọra.
Awọn data ọrọ ifarabalẹ le farahan ti awọn idari wiwọle ko lagbara.
Ilana Ilana imuse
Ṣetumo ọna kika iṣẹjade, ohun orin, ati awọn iṣedede didara ṣaaju ṣiṣejade.
Awọn idahun ilẹ pẹlu awọn orisun ti o gbẹkẹle nigbakugba ti deede ba ṣe pataki.
Jeki aaye ayẹwo atunyẹwo eniyan fun awọn abajade ti o ga julọ.
Tọpinpin awọn ilana ikuna ati tunṣe awọn itọsi tabi ṣiṣan iṣẹ nigbagbogbo.
Tesiwaju Ṣiṣawari
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Instruction Tuning quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Itọsọna atẹle
Tuning ìpele
Awọn ibeere ti a beere nigbagbogbo
What is Instruction Tuning?
Ṣiṣatunṣe itọnisọna jẹ igbesẹ ikẹkọ ti o yi ọrọ asọtẹlẹ-aise kan pada si awoṣe ti o tẹle awọn ilana gangan bi 'ṣe akopọ eyi' tabi 'kọ esi towotowo’. O jẹ ohun ti o jẹ ki awoṣe ipilẹ kan rilara iranlọwọ ati iriju.
Bawo ni atunṣe itọnisọna ṣe yatọ si RLHF?
Ṣiṣatunṣe itọnisọna jẹ abojuto ikẹkọ lori awọn idahun ibi-afẹde. RLHF wa lẹhinna ati pe o ṣe apẹrẹ awoṣe lodi si awọn ayanfẹ eniyan ti o kọ ẹkọ.
Ohun-ini ti data atunṣe-itọnisọna julọ n ṣe agbara awoṣe lati tẹle awọn ilana tuntun, ti a ko rii?
Ibora awọn iṣẹ ṣiṣe lọpọlọpọ kọni ihuwasi gbogbogbo ti awọn ilana atẹle, eyiti o ṣakopọ si awọn ilana ti a ko rii ni ikẹkọ.
Ewo ni aṣẹ aṣoju ti awọn ipele ikẹkọ fun oluranlọwọ iwiregbe ode oni?
Awọn awoṣe ti kọkọ kọkọ ni ikẹkọ lori ọrọ aise, lẹhinna itọsọna-aifwy lati tẹle awọn iṣẹ-ṣiṣe, ati nigbagbogbo tunṣe pẹlu RLHF fun ohun orin ati ailewu.