¿Qué es Supervised Fine-Tuning?
SFT
Es el proceso de adaptar un modelo de inteligencia artificial previamente entrenado a una tarea específica utilizando pares de datos etiquetados.
Definición
El ajuste fino supervisado (Supervised Fine-Tuning) permite orientar los modelos base, que han adquirido habilidades lingüísticas generales a través de amplios conjuntos de datos, hacia un área de especialización específica. En este proceso, se presentan al modelo datos de ejemplo directos preparados en forma de preguntas y respuestas ideales. El modelo aprende a generar respuestas correctas a las instrucciones dadas analizando estos pares de datos etiquetados.
Cómo funciona
Los pesos del modelo se actualizan en pequeñas proporciones según los patrones de entrada y salida del conjunto de datos preparado. Al calcular la tasa de error, se garantiza que las respuestas generadas por el modelo se acerquen a las respuestas objetivo. Este proceso ayuda a alinear el modelo con el formato deseado sin experimentar un sobreajuste.
Dónde se usa
Se utiliza para garantizar que los bots de servicio al cliente respondan de acuerdo con los documentos internos de la empresa y para que los asistentes de programación produzcan resultados bajo ciertos estándares.
Suele confundirse con
Se puede confundir con el concepto general de Fine-Tuning. Mientras que el Fine-Tuning es un paraguas de adaptación general, el Supervised Fine-Tuning representa la fase específica realizada con pares de instrucciones y respuestas etiquetadas.
Preguntas y respuestas
¿Cuántos datos se necesitan para el ajuste fino supervisado (Supervised Fine-Tuning)?
Dependiendo de la complejidad de la tarea que desarrollará, generalmente entre unos cientos y unos pocos miles de pares de datos de alta calidad son suficientes.
¿El proceso SFT hace que el modelo olvide sus capacidades generales?
En procesos de entrenamiento mal configurados o excesivamente prolongados, el modelo puede correr el riesgo de perder su base de conocimientos generales.
Términos relacionados
Esta explicación se redactó en lenguaje sencillo para TreScout con IA y se tradujo automáticamente del original en turco · prevalece la versión turca. Si algo le parece erróneo o incompleto, escriba a hello@trescout.com. Leer en turco →