Sõnastik

Peenhäälestus

Mis on Peenhäälestus?

Peenhäälestus (fine-tuning) tähendab juba eeltreenitud TI-mudeli edasitreenimist täiendavate, tavaliselt ülesandespetsiifiliste andmetega. Mudeli sisemisi kaalusid kohandatakse nii, et see tuleb näiteks kindla kirjutusstiili, erialasõnavara või väljundivorminguga usaldusväärsemalt toime. Peenhäälestus nõuab hoolikalt ette valmistatud näiteandmeid, arvutusvõimsust ja testimist. Paljude rakenduste jaoks piisab hästi kirjutatud juhistest ja ühendatud teadmistest ning neid on lihtsam muuta.

Kuidas KI.ordo aitab

KI.ordo ei treeni mudeleid ümber; see kohandab agente juhiste ja teie oma teadmistega, nii et muudatused jõustuvad kohe.

Loe lähemalt

Teemad

Mudeli treenimine
Kohandamine
Keelemudelid

Proovi KI.ordot

Agendid, töövood ja mallid ühes tööruumis – tasuta 24-tunnine demo.

Alusta demot

← Kõik terminid

Seotud terminid

Parameetritõhus peenhäälestus (PEFT)

Parameetritõhus peenhäälestus (PEFT) hõlmab tehnikaid, mis kohandavad suure eeltreenitud mudeli ülesandele, treenides ainult väikest osa selle parameetritest või lisades mõned täiendavad parameetrid. Tuntud meetodid on LoRA, QLoRA, adapterid ja prefix tuning. See vähendab oluliselt arvutus- ja mäluvajadust ning täismudelite koopiate asemel saab mitme ülesande jaoks salvestada väikesi lisamooduleid. Näide: keelemudel kohandatakse sisemiste tehniliste dokumentide stiilile.

peenhäälestus
treenimine
+1

Instruction Tuning

Juhistega häälestamine (instruction tuning) on peenhäälestuse vorm, kus eeltreenitud keelemudelit treenitakse edasi paljude juhiste ja soovitud vastuste paaridega. See õpetab mudelit järgima loomulikus keeles sõnastatud ülesandeid, mitte lihtsalt teksti jätkama. See on oluline samm baasmudeli muutmisel assistendiks ja seda kombineeritakse sageli selliste meetoditega nagu RLHF. Näide: „Võta see tekst kolme lausega kokku“ täidetakse usaldusväärselt.

Peenhäälestus
Keelemudelid
+1

Transfer Learning

Siirdeõppes (transfer learning) on lähtepunktiks mudel, mis on juba õppinud suure üldise ülesande, uue spetsialiseeritud ülesande jaoks. Nullist alustamise asemel kohandatakse seda, näiteks peenhäälestuse abil, võrdlemisi vähese omaandmestikuga. See säästab arvutusaega ja andmeid, näiteks kui üldine pildimudel peab õppima fotodelt tootmisdefekte märkama.

Masinõpe
Training
+1

Otsinguga täiendatud genereerimine (RAG)

Otsinguga täiendatud genereerimine (retrieval-augmented generation) ühendab otsingu ja tekstigenereerimise: enne vastamist otsib süsteem teadmiste kogumikust – näiteks käsiraamatutest, reeglitest või KKK-st – asjakohaseid lõike ja annab need keelemudelile kontekstina. Vastus põhineb seega ajakohasel, ettevõttespetsiifilisel sisul, mitte ainult mudeli treeningteadmistel. See vähendab väljamõeldud väiteid, muudab allikad jälgitavaks ja võimaldab värskendusi ilma ümberõppeta.

RAG
teadmiste otsing
+1