Prefiks-tuning
Definition
Prefiks-tuning er en parameter-effektiv tilpasningsteknikk for forhåndstrenede …
Fine-Tuning
Terms tagged with Fine-Tuning
P-Tuning
Definition
P-Tuning (Prompt Tuning) er en teknikk designet for å tilpasse store forhåndstrengte …
Dataset:Jackrong/Qwen3.5 Reasoning 700X
Definition
Denne oppføringen refererer til et spesifikt datasettrepo identifisert med …
Overvåket finjustering
Definition
Overvåket finjustering (SFT) innebærer å ta en stor forhåndstrent modell, som en …
QLoRA
Definition
QLoRA kombinerer Lav-rang tilpasning (LoRA) med 4-bits kvantisering for å redusere …
Adapter
Definition
Adaptorer er en parameter-effektiv finjusteringsteknikk som primært brukes i store …
Forsterkningslæring fra menneskelig tilbakemelding
Definition
Forsterkningslæring fra menneskelig tilbakemelding (RLHF) er en metode brukt til å …
LoRA
Definition
LoRA fryser forhåndstrengte modellvekter og setter inn trenbare dekomponeringsmatriser i …