Italiano
← Torna alle tecnologie dell’IA

Training e post-training

SFT / RLHF / DPO

Una famiglia di metodi di post-training per insegnare a seguire istruzioni e preferenze. SFT apprende da dimostrazioni; RLHF e DPO usano confronti di preferenza con procedure di ottimizzazione diverse.

Periodo di riferimento
2017 / 2022 / 2023
Ultima verifica

Termini chiave

  • supervised fine-tuning
  • preference data
  • reward model
  • alignment

Collegamenti nel progetto

Si basa su

Usato da

Tecnologie correlate

Articoli correlati

Contesto storico

Fonti primarie

  1. Deep reinforcement learning from human preferences
  2. Training language models to follow instructions with human feedback
  3. Direct Preference Optimization

Questa è una mappa tecnica curata, non una pretesa di copertura completa.