Fogalomtár

Instruction Tuning

Mi a(z) Instruction Tuning?

Az utasításhangolás (instruction tuning) a finomhangolás egy formája, amelyben egy előre betanított nyelvi modellt további, sok utasítás–kívánt válasz párral tanítanak tovább. Ezzel a modell megtanulja követni a természetes nyelven megfogalmazott feladatokat ahelyett, hogy csupán folytatná a szöveget. Kulcsfontosságú lépés abban, hogy egy alapmodellből asszisztens legyen, és gyakran kombinálják olyan módszerekkel, mint az RLHF. Példa: a „Foglald össze ezt a szöveget három mondatban” utasítást megbízhatóan végrehajtja.

Így segít a KI.ordo

A KI.ordo nem tanít modelleket; az Anthropic Claude-modelljeit használja, amelyek már asszisztensként vannak betanítva, és viselkedésüket utasításokkal és tudással irányítja.

További információ

Témák

finomhangolás
nyelvi modellek
Training

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása

← Minden fogalom

Kapcsolódó fogalmak

finomhangolás

A finomhangolás egy már előre betanított MI-modell további tanítását jelenti kiegészítő, általában feladatspecifikus adatokkal. Belső súlyait úgy módosítják, hogy a modell például egy bizonyos írásstílust, szaknyelvet vagy kimeneti formátumot megbízhatóbban kezeljen. A finomhangolás gondosan előkészített példaadatokat, számítási teljesítményt és tesztelést igényel. Sok alkalmazáshoz jól megírt utasítások és csatlakoztatott tudás is elegendő, és könnyebben módosíthatók.

modelltanítás
testreszabás
+1

Megerősítéses tanulás emberi visszajelzésből (RLHF)

Az RLHF olyan tanítási módszer, amely a nyelvi modelleket segítőkészebbé és biztonságosabbá teszi. Emberek összehasonlítják és értékelik a modell több válaszát; ezekből az ítéletekből jutalommodellt tanítanak, amely aztán megerősítéses tanulással tovább tanítja magát a nyelvi modellt. Így megtanulja például, hogy világosabban válaszoljon, vagy hogy elutasítsa a problémás kéréseket. Az RLHF a modell kiadása előtt, a modellszolgáltatónál zajlik – nem az egyes felhasználóknál.

tanítás
emberi visszajelzés
+1

Nagy nyelvi modell (LLM)

A nagy nyelvi modell (LLM) egy nagyon nagy szövegmennyiségen betanított neurális háló, amely képes a nyelv megértésére és előállítására. Úgy működik, hogy lépésről lépésre kiszámítja a legvalószínűbb következő tokent. Az LLM-ek írnak, összefoglalnak, fordítanak, kérdésekre válaszolnak és kódot generálnak; ismert példák a Claude, a GPT, a Gemini és a Llama. Aktuális források elérése nélkül csak azt tudják, ami a tanítóadataikban szerepelt.

nyelvi modellek
generatív MI
+1

Prompt

A prompt az a bemenet, amely megmondja egy MI-modellnek, mit tegyen – kérdés, feladat vagy utasítás, gyakran kiegészítve kontextussal, példákkal és a kívánt formátummal. A válasz minősége nagymértékben függ attól, mennyire világos és teljes a prompt. Például a „Írj valamit a termékünkről” helyett: „Írj három rövid előnyt az X termékről kereskedelmi vállalkozások számára, tárgyilagos hangnemben.”

promptolás
bemenet
+1

Sablon