知识卡片
通用模型也可能胜过领域专用模型
是否采用专用模型应由实际任务证据决定,而非仅由训练标签或领域名称决定。通用模型可能在公开领域测试上更强,专用模型也可能满足内部约束。历史基准个案不能替代当前应用的质量、隐私和托管条件评估。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 微调
原书出处 · 1 处
- · 查看原书依据
我们需要警惕这样一种观点:认为通用模型在领域特定任务上表现不佳,因此必须针对特定任务进行微调或训练。随着通用模型能力的提升,它们在领域特定任务上的表现日益精进,甚至可能超越专用模型。
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:我们需要警惕这样一种观点:认为通用模型在领域特定任务上表现不佳,因此必须针对特定任务进行微调或训练。随着通用模型能力的提升,它们在领域特定任务上的表现日益精进,甚至可能超越专用模型。