Ordliste

Instruction Tuning

Hvad er Instruction Tuning?

Instruktionstuning (instruction tuning) er en form for finjustering, hvor en fortrænet sprogmodel trænes videre på mange par af instruktioner og ønskede svar. Det lærer modellen at følge opgaver formuleret i naturligt sprog i stedet for blot at fortsætte tekst. Det er et vigtigt trin i at gøre en basismodel til en assistent og kombineres ofte med metoder som RLHF. Eksempel: 'Opsummér denne tekst i tre sætninger' udføres pålideligt.

Sådan hjælper KI.ordo

KI.ordo træner ikke modeller; den bruger Anthropics Claude-modeller, som allerede er trænet som assistenter, og styrer deres adfærd gennem instruktioner og viden.

Læs mere

Emner

Finjustering
Sprogmodeller
Training

Prøv KI.ordo

Agenter, flows og skabeloner i ét arbejdsområde – gratis demo i 24 timer.

Start demo

← Alle begreber

Relaterede begreber

Finjustering

Finjustering (fine-tuning) betyder at videretræne en allerede fortrænet AI-model på yderligere, som regel opgavespecifikke data. Dens interne vægte justeres, så modellen f.eks. håndterer en bestemt skrivestil, fagterminologi eller outputformat mere pålideligt. Finjustering kræver omhyggeligt forberedte eksempeldata, regnekraft og test. Til mange anvendelser er velskrevne instruktioner og tilknyttet viden tilstrækkeligt og lettere at ændre.

Modeltræning
Tilpasning
+1

Reinforcement learning from human feedback (RLHF)

RLHF er en træningsmetode, der gør sprogmodeller mere hjælpsomme og sikrere. Mennesker sammenligner og bedømmer flere af modellens svar; disse vurderinger bruges til at træne en belønningsmodel, som derefter træner selve sprogmodellen videre gennem reinforcement learning. Det lærer den f.eks. at svare mere klart eller at afvise problematiske forespørgsler. RLHF foregår hos modeludbyderen, før en model udgives – ikke hos de enkelte brugere.

træning
menneskelig feedback
+1

Stor sprogmodel (LLM)

En stor sprogmodel (large language model, LLM) er et neuralt netværk, der er trænet på meget store tekstmængder, så det kan forstå og generere sprog. Den fungerer ved trin for trin at beregne det mest sandsynlige næste token. LLM'er skriver, opsummerer, oversætter, besvarer spørgsmål og genererer kode; kendte eksempler er Claude, GPT, Gemini og Llama. Uden adgang til aktuelle kilder ved de kun det, der stod i deres træningsdata.

Sprogmodeller
Generativ AI
+1

Prompt

En prompt er det input, der fortæller en AI-model, hvad den skal gøre – et spørgsmål, en opgave eller en instruktion, ofte suppleret med kontekst, eksempler og det ønskede format. Svarets kvalitet afhænger i høj grad af, hvor klar og fuldstændig prompten er. For eksempel: i stedet for »Skriv noget om vores produkt« kan man skrive »Skriv tre korte fordele ved produkt X for håndværksvirksomheder i en saglig tone«.

prompting
input
+1

Skabelon