Português
← Voltar às tecnologias de IA

Treino e pós-treino

SFT / RLHF / DPO

Uma família de métodos de pós-treino para ensinar seguimento de instruções e alinhamento de preferências. SFT aprende com demonstrações; RLHF e DPO usam comparações de preferência por otimizações distintas.

Período de referência
2017 / 2022 / 2023
Última revisão

Termos-chave

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

Ligações no projeto

Assenta em

Usado por

Tecnologias relacionadas

Artigos relacionados

Contexto histórico

Fontes primárias

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

Este é um mapa técnico selecionado, não uma afirmação de cobertura completa.