読み方のヒント
矢印ボタン(または ← → キー)でページを移動できます。
事前学習したモデルを、目的に合わせて追加で学習させるのがファインチューニングです。
| 段階 | 内容 | 例 |
|---|---|---|
| 教師ありファインチューニング(指示チューニング) | 「指示」と「よい答え」の組を大量に学ばせる | 「この文を短くして」→ 短くした文 |
| ドメイン適応 | 特定の分野の文章で追加学習する | 医療や法律の文章 |
| RLHF(人間のフィードバックによる強化学習) | 人がよいと評価した答えに近づくよう調整する | 丁寧で、役に立ち、害のない答え |
RLHFは、次の流れで行います。
8 / 25