آموزش پیشرفته Fine-Tuning برای مدل‌های زبانی بزرگ (LLMs) در هوش مصنوعی مولد - آخرین آپدیت

رویکردهای مختلف برای Fine Tuning Different Approaches to Fine-Tuning

• معرفی دوره Course Introduction

• مبانی Instruction Tuning Basics of Instruction-Tuning

• پیاده‌سازی Instruction Tuning با Hugging Face Instruction-Tuning with Hugging Face

• مدل‌سازی پاداش: ارزیابی پاسخ Reward Modeling: Response Evaluation

• آموزش مدل پاداش Reward Model Training

• مدل‌سازی پاداش با Hugging Face Reward Modeling with Hugging Face

تنظیم دقیق مدل‌های Causal LLMs با بازخورد انسانی و ترجیحات مستقیم Fine-Tuning Causal LLMs with Human Feedback and Direct Preference

• مدل‌های زبانی بزرگ (LLMs) به عنوان توزیع‌ها Large Language Models (LLMs) as Distributions

• از توزیع‌ها تا سیاست‌ها (Policies) From Distributions to Policies

• یادگیری تقویت‌شده از بازخورد انسانی (RLHF) Reinforcement Learning from Human Feedback (RLHF)

• بهینه‌سازی سیاست نزدیک (PPO) Proximal Policy Optimization (PPO)

• پیاده‌سازی PPO با Hugging Face PPO with Hugging Face

• بررسی PPO Trainer PPO Trainer

• مفهوم DPO: تابع افراز (Partition Function) DPO: Partition Function

• مفهوم DPO: راهکار بهینه DPO: Optimal Solution

• از سیاست بهینه تا DPO From Optimal Policy to DPO

• پیاده‌سازی DPO با Hugging Face DPO with Hugging Face