เปรียบเทียบวิธี

	การปรับละเอียด GPT (GPT Fine-Tuning)	วิชันทรานส์ฟอร์มเมอร์
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2019	2021
ผู้ริเริ่ม	Radford, A. et al. (OpenAI)	Dosovitskiy, A. et al.
ประเภท	Fine-tuning of pretrained autoregressive language models	Transformer architecture for images (self-attention over patches)
แหล่งต้นตำรับ	Radford, A., Wu, J., Child, R., Luan, D., Amodei, D. & Sutskever, I. (2019). Language Models are Unsupervised Multitask Learners. OpenAI Technical Report.	Dosovitskiy, A. et al. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. ICLR.
ชื่อเรียกอื่น	GPT İnce Ayar ve Talimat Uyarlaması, GPT fine-tuning, instruction tuning, LLM fine-tuning	Görsel Transformer (ViT), görsel transformer, ViT, patch transformer for images
ที่เกี่ยวข้อง	5	5
สรุป	GPT fine-tuning adapts pretrained autoregressive language models such as GPT-2/3/4 or LLaMA — introduced in OpenAI's 2019 work by Radford and colleagues — to domain-specific data or to instruction following via reinforcement learning from human feedback (RLHF) or DPO. It is used for instruction following, domain adaptation, and generative tasks.	The Vision Transformer (ViT), introduced by Dosovitskiy and colleagues in 2021, splits an image into fixed-size patches, treats those patches as a sequence, and applies the Transformer self-attention mechanism to image classification. Given enough training data, it surpasses convolutional neural networks (CNNs).