Skip to lesson

मेसिन अनुवाद गरिएको। अंग्रेजी र हिन्दी समीक्षा गरिएका संस्करणहरू हुन्।Englishहिन्दी

  1. Learn
  2. See
  3. Try
  4. Make

प्रत्यक्ष प्राथमिकता प्रशिक्षण

What this lesson is about

दुई तरिकाहरू तुलना गर्नुहोस्: स्कोररलाई प्रशिक्षण दिनु र RL प्रयोग गर्नु, वा मोडेललाई सिधै जोडीबाट सार्नु।

एक संस्था तपाईंको समूहलाई भन्छ अब उनीहरूले स्कोरर बनाउने छैनन्। कोठामा कसैलाई यसको अर्थ थाहा छैन।

Why this matters

पुरानो तरिका तपाईंका जोडीहरूबाट स्कोरर सिकाउँछ, त्यसपछि RL प्रयोग गरी मोडेल सुधार्छ। प्रत्यक्ष प्राथमिकता प्रशिक्षण, जुन २०२३ मा प्रकाशित भयो, स्कोरर हटाएर मोडेललाई सिधै चयन र अस्वीकृत उत्तरबाट सार्छ। तपाईंको मार्किङमा कुनै परिवर्तन हुँदैन। एउटा बानी महँगो हुन्छ: बराबरी मार्क गरिएको जोडीले यस तरिकालाई केही दिन सक्दैन।

Read the primary or official source: Rafailov et al., Direct Preference Optimization (arXiv)