Supervised Fine-Tuning nedir?
SFT
Önceden eğitilmiş bir yapay zekâ modelinin etiketli veri çiftleriyle belirli bir göreve uyarlanması sürecidir.
Tanım
Gözetimli ince ayar (Supervised Fine-Tuning), geniş veri kümeleriyle genel dil becerileri kazanmış temel modellerin belirli bir uzmanlık alanına yönlendirilmesini sağlar. Bu süreçte modele soru ve ideal yanıt şeklinde hazırlanmış doğrudan örnek veriler sunulur. Model kendisine verilen talimatlara nasıl doğru yanıtlar üreteceğini bu etiketli veri çiftlerini analiz ederek öğrenir.
Nasıl çalışır?
Modelin ağırlıkları hazırlanmış olan veri setindeki girdi ve çıktı kalıplarına göre küçük oranlarda güncellenir. Hata oranı hesaplanarak modelin ürettiği yanıtların hedef yanıtlara yaklaşması sağlanır. Bu işlem modelin aşırı öğrenme yaşamadan istenen formata hizalanmasına yardımcı olur.
Nerede kullanılır?
Müşteri hizmetleri botlarının şirket içi belgelere uygun yanıt vermesini sağlamakta ve kod yazma asistanlarının belirli standartlarda çıktı üretmesinde kullanılır.
Sık karıştırılanlar
Genel Fine-Tuning kavramı ile karıştırılabilir. Fine-Tuning genel bir uyarlama şemsiyesiyken Supervised Fine-Tuning etiketli talimat ve yanıt çiftleriyle yapılan belirli aşamayı temsil eder.
Sorular ve yanıtlar
Supervised Fine-Tuning için ne kadar veriye ihtiyaç vardır?
Geliştireceğiniz görevin karmaşıklığına bağlı olmakla birlikte genellikle birkaç yüz ile birkaç bin arasında kaliteli veri çifti yeterli olmaktadır.
SFT işlemi modelin genel yeteneklerini unutturur mu?
Yanlış yapılandırılan veya aşırı uzatılan eğitim süreçlerinde model genel bilgi birikimini kaybetme riski taşıyabilir.
İlgili terimler
Bu açıklama TreScout için yapay zekâ ile sade dille hazırlandı · yanlış ya da eksik gördüğünüz bir şey olursa hello@trescout.com. TreScout her gün GitHub, Hacker News ve Hugging Face'te öne çıkanları Türkçe özetler.