Modul penutup menyatukan alat-alat sebelumnya menjadi praktik modern yang dipakai industri, sambil memperkenalkan arah gerak bidang. Tiga topik di dalamnya bergerak dari konsep ke praktik: pengenalan PPO sebagai metode andalan pembaruan kebijakan terpotong, lalu arah gerak reinforcement learning termasuk RLHF dan keterkaitan RLHF dengan penyelarasan model bahasa, dan diakhiri kampanye pelatihan yang membahas seed, kurva pembelajaran, protokol evaluasi, serta analisis kegagalan. Materi pada modul ini sebagian besar bersifat konseptual dan dirujuk silang dengan jalur aplikasi model bahasa.
RL modern dan pengerjaan proyek
Pengenalan PPO, arah gerak RL termasuk RLHF, serta kampanye pelatihan dengan seed, kurva pembelajaran, dan analisis kegagalan.
0/0 selesai
- Pengenalan PPO
Pembaruan kebijakan terpotong sebagai metode andalan industri, pada tingkat konsep.
- Ke mana reinforcement learning bergerak
RLHF dan alignment LLM, dirujuk silang dengan llm-apps.
- Kampanye pelatihan
Seed, kurva pembelajaran, protokol evaluasi, dan analisis kegagalan.