التدريب وما بعد التدريب
SFT / RLHF / DPO
عائلة من طرائق ما بعد التدريب لتعليم اتّباع التعليمات والسلوك المتوائم مع التفضيلات. يتعلّم SFT من عروض عملية، بينما يستعمل RLHF وDPO مقارنات تفضيلية عبر إجراءات استمثال مختلفة.
المصطلحات الأساسية
- الضبط الدقيق الخاضع للإشراف (supervised fine-tuning)
- بيانات التفضيل (preference data)
- نموذج المكافأة (reward model)
- المواءمة (alignment)
الروابط عبر المشروع
يبني على
يُستخدَم في
تقنيات ذات صلة
السياق التاريخي
المصادر الأولية
هذه خريطة تقنية منتقاة، لا ادّعاء بتغطية شاملة.