Machine learning
GPT 파인튜닝
GPT 파인튜닝은 GPT-2/3/4 또는 LLaMA와 같은 사전 훈련된 자기회귀 언어 모델을 OpenAI의 2019년 Radford와 동료들의 연구에서 소개된 것처럼 도메인 특정 데이터나 강화 학습을 통한 지시 따르기(RLHF) 또는 DPO에 맞게 조정하는 것입니다. 이는 지시 따르기, 도메인 적응, 생성 작업에 사용됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Radford, A., Wu, J., Child, R., Luan, D., Amodei, D. & Sutskever, I. (2019). Language Models are Unsupervised Multitask Learners. OpenAI Technical Report. link ↗
- Ouyang, L. et al. (2022). Training Language Models to Follow Instructions with Human Feedback. NeurIPS. DOI: 10.48550/arXiv.2203.02155 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). GPT Fine-Tuning and Instruction Adaptation. ScholarGate. https://scholargate.app/ko/deep-learning/gpt-finetuning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- LoRA 및 PEFT딥러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare
- Variational Autoencoder딥러닝↔ compare
- Vision Transformer딥러닝↔ compare
- XGBoost머신러닝↔ compare