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.
Termini chiave
- fine-tuning supervisionato (supervised fine-tuning)
- dati di preferenza (preference data)
- modello di ricompensa (reward model)
- allineamento (alignment)
Collegamenti nel progetto
Si basa su
Tecnologie correlate
Articoli correlati
Contesto storico
Fonti primarie
Questa è una mappa tecnica curata, non una pretesa di copertura completa.