Gluais

Instruction Tuning

Cad is Instruction Tuning ann?

Cineál mionchoigeartaithe is ea mionchoigeartú treorach ina n-oiliúnaítear samhail teanga réamhoilte tuilleadh ar go leor péirí treoracha agus freagraí inmhianaithe. Múineann sé seo don tsamhail tascanna a leanúint a fhoirmlítear i ngnáththeanga seachas téacs a leanúint ar aghaidh amháin. Is príomhchéim é chun bunsamhail a athrú ina cúntóir agus is minic a chomhcheanglaítear é le modhanna ar nós RLHF. Sampla: déantar 'Déan achoimre ar an téacs seo i dtrí abairt' go hiontaofa.

Conas a chabhraíonn KI.ordo

Ní oiliúnaíonn KI.ordo samhlacha; úsáideann sé samhlacha Claude de chuid Anthropic, atá oilte mar chúntóirí cheana féin, agus stiúrann sé a n-iompar trí threoracha agus eolas.

Tuilleadh eolais

Topaicí

Mionchoigeartú
Samhlacha teanga
Training

Bain triail as KI.ordo

Gníomhairí, sreafaí oibre agus teimpléid in aon spás oibre amháin – taispeántas 24 uair an chloig saor in aisce.

Tosaigh an taispeántas

← Gach téarma

Téarmaí gaolmhara

Mionchoigeartú

Ciallaíonn mionchoigeartú tuilleadh oiliúna a chur ar shamhail IS atá réamh-oilte cheana ar shonraí breise, a bhíonn de ghnáth sainiúil don tasc. Coigeartaítear a meáchain inmheánacha ionas go láimhseálann an tsamhail, mar shampla, stíl scríbhneoireachta áirithe, foclóir speisialaithe nó formáid aschuir ar bhealach níos iontaofa. Teastaíonn sonraí samplacha ullmhaithe go cúramach, cumhacht ríomhaireachta agus tástáil le haghaidh mionchoigeartaithe. Do go leor feidhmchlár, is leor treoracha dea-scríofa agus eolas nasctha agus is éasca iad a athrú.

Oiliúint samhla
Saincheapadh
+1

Foghlaim threisithe ó aiseolas daonna (RLHF)

Modh oiliúna is ea RLHF a fhágann go bhfuil múnlaí teanga níos cabhrach agus níos sábháilte. Déanann daoine comparáid idir roinnt freagraí an mhúnla agus tugann siad rátáil dóibh; úsáidtear na breithiúnais seo chun múnla luach saothair a oiliúint, a oiliúnaíonn an múnla teanga féin tuilleadh ansin trí fhoghlaim threisithe. Múineann sé seo dó, mar shampla, freagairt níos soiléire nó iarratais fhadhbacha a dhiúltú. Tarlaíonn RLHF ag soláthraí an mhúnla sula scaoiltear múnla – ní le húsáideoirí aonair.

oiliúint
aiseolas daonna
+1

Mórshamhail teanga (LLM)

Líonra néarach is ea mórshamhail teanga (LLM) a oiliúnaítear ar thoirt an-mhóra téacs, rud a chuireann ar a chumas teanga a thuiscint agus a ghiniúint. Oibríonn sé trí an token is dóichí eile a ríomh, céim ar chéim. Scríobhann LLManna, déanann siad achoimriú, aistriú, freagraíonn siad ceisteanna agus gineann siad cód; i measc na samplaí aitheanta tá Claude, GPT, Gemini agus Llama. Gan rochtain ar fhoinsí reatha, ní fhéadann siad ach an méid a bhí ina gcuid sonraí oiliúna a bheith ar eolas acu.

Samhlacha teanga
IS ghineadach
+1

Prompt

Is éard is leid ann ná an t-ionchur a insíonn do mhúnla IS cad atá le déanamh – ceist, tasc nó treoir, a ndéantar comhthéacs, samplaí agus an fhormáid atá ag teastáil a chur leis go minic. Braitheann cáilíocht an fhreagra go mór ar cé chomh soiléir agus iomlán agus atá an leid. Mar shampla, in ionad “Scríobh rud éigin faoinár dtáirge”, úsáid “Scríobh trí bhuntáiste ghearra de tháirge X do ghnólachtaí ceardaíochta, i ton fíorasach”.

leidiú
ionchur
+1

Teimpléad