Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| QLoRA× | Пряма оптимізація вподобань× | |
|---|---|---|
| Галузь | Глибоке навчання | Глибоке навчання |
| Родина | Machine learning | Machine learning |
| Рік появи | 2023 | 2023 |
| Автор методу≠ | Tim Dettmers | Rafael Rafailov |
| Тип | Training methodology | Training methodology |
| Основоположне джерело≠ | Dettmers, T., Pagnoni, A., Holtzman, A., & Contrastive, L. (2023). QLoRA: Efficient finetuning of quantized LLMs. arXiv preprint arXiv:2305.14314. link ↗ | Rafailov, R., Sharma, A., Mitchell, E., Manning, C. D., Ermon, S., & Finn, C. (2023). Direct preference optimization: Your language model is secretly a reward model. arXiv preprint arXiv:2305.18290. link ↗ |
| Інші назви | QLoRA, Quantized LoRA | DPO, Direct preference |
| Пов'язані | 4 | 4 |
| Підсумок≠ | QLoRA is an efficient fine-tuning method introduced by Dettmers et al. in 2023 that enables fine-tuning large language models using quantization and low-rank adaptation. By combining 4-bit quantization with LoRA, QLoRA reduces memory requirements by 75%, enabling fine-tuning of 65B-parameter models on single GPUs. | Direct Preference Optimization (DPO) is a training method introduced by Rafailov et al. in 2023 that aligns language models with human preferences without requiring an explicit reward model. By directly optimizing for preference pairs (better response vs worse response), DPO simplifies the training pipeline compared to reinforcement learning from human feedback (RLHF). |
| ScholarGateНабір даних ↗ |
|
|