Finjustering
Finjustering tilpasser en fortrænet model gennem mere træning. At levere aktuelle dokumenter under brug er en anden handling.
Finjustering er videre træning af en fortrænet model med data til en bestemt opgave eller et område. Det tilpasser modellens adfærd frem for blot at føje et dokument til hver anmodning.
Eksempel med svarformat
Et hypotetisk hold ønsker svar på servicehenvendelser i et fast kort format. Passende træningseksempler kan lære modellen adfærden. Pålideligheden skal vurderes med særskilte testeksempler.
Finjustering er ikke det samme som RAG: hentning af aktuelle kilder er en anden funktion. Tilgangene kan kombineres. Træning erstatter ikke vedligeholdelse af gyldige instruktioner eller adgangskontrol. Tilpassede svar skal stadig testes for faktuel korrekthed og uønsket adfærd.
Kilder
Relaterede begreber
- Stor sprogmodelEn stor sprogmodel behandler sprog ved hjælp af lærte mønstre. Flydende tekst dokumenterer ikke korrekthed eller adgang til aktuelle virksomhedsdata.
- Retrieval-augmented generationRAG forbinder informationssøgning med et genereret svar. Kildeadgang erstatter ikke et kvalitets- og rettighedsdesign.
- LLM-evalueringLLM-evaluering undersøger modeloutput efter definerede opgaver og kriterier. Et godt enkeltstående eksempel dokumenterer ikke generel kvalitet.
- ModelkortEt modelkort dokumenterer formål, grundlag, vurderingsbetingelser og kendte begrænsninger for en bestemt version af en AI-model.
- AI-parathedAI-parathed handler om et projekts forudsætninger: mål, brugbare data, kompetencer, ansvar og et fungerende driftsforløb.
- Context engineeringContext engineering forbereder information til hvert modelkald: relevante instruktioner, beskeder, kilder og aktuelle tilstande.
Artikler om emnet
AI & automatisering med ASES
AI-assistenter og automatiserede arbejdsgange