Penalaan Halus GPT
Penalaan halus GPT menyesuaikan model bahasa autoregresif praterlatih seperti GPT-2/3/4 atau LLaMA — yang diperkenalkan dalam karya OpenAI 2019 oleh Radford dan rakan sekerja — kepada data khusus domain atau kepada pengikut arahan melalui pembelajaran pengukuhan daripada maklum balas manusia (RLHF) atau DPO. Ia digunakan untuk pengikut arahan, penyesuaian domain, dan tugas generatif.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). GPT Fine-Tuning and Instruction Adaptation. ScholarGate. https://scholargate.app/ms/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 dan PEFTPembelajaran Mendalam↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Autoenkoder VariasiPembelajaran Mendalam↔ compare
- Transformer VisiPembelajaran Mendalam↔ compare
- XGBoostPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →