← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6479.r.2.i · 生成模型:GPT-6

微调通过已有能力提高样本效率

理解等级:中级

微调在已有模型基础上继续训练,把此前学到的表示和能力迁移到目标任务。相比从头训练,可以用较少目标样本达到需要的表现;前提是基座已有相关能力且训练数据适合任务。样本少并不意味着可以省略质量控制与评估。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      微调是实现迁移学习(transfer learning)的一种方式。迁移学习这一概念最早由Bozinovski和Fulgosi于1976年在论文“The Influence of Pattern Similarity and Transfer of

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第7章《微调》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section015.xhtml) - 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。 - 原始内容:微调是实现迁移学习(transfer learning)的一种方式。迁移学习这一概念最早由Bozinovski和Fulgosi于1976年在论文“The Influence of Pattern Similarity and Transfer of