Alpaca

Определение

Открытый синтетический датасет инструкций (52k примеров), сгенерированных через Self-Instruct, используемый для fine-tuning моделей следования инструкциям. Формат включает поля instruction, input, output.

Где встречается

• 29. Как fine-tune модель для следования сложным инструкциям
• 32. Как вы подготовите датасет для fine-tuning, если у вас только неструктурированные диалоги с клиентами
• 138. Что такое «оценка с подкреплением» (RLHF evaluation) и как она отличается от обычной
• 326. Как работает RLHF (Reinforcement Learning from Human Feedback) технически
• 482. Как работает QLoRA (Quantized LoRA) для training
• 95. Написать runbook для synthetic data collapse

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление