LLMを目的に合わせて調整する

LLMの振る舞いを調整する方法は、入力の整形、正解例での学習、低ランク更新、選好の学習に分かれます。SFT、LoRA、RLHF、DPOの目的と資源制約を区別し、調整前後を独立した評価で比べます。

記事の閲覧状態を確認しています…

広告を取得中...