Александр Голубев - Воркшоп по LLM + RLHF
Для чего нужен RLHF
Примеры работы модели в диалоговом режиме без SFT и RL fine-tuning
Как тюнить большие модели на одной карте
SFT fine-tuning
Обучение RM
Дообучение модели с PPO
Демонстрация результатов было vs стало
Разбор концепций, которые использовали в ходе обучения (LoRA adapters, Int8 quantization, PPO, RM training loss, …)
Cсылка на ноутбук: https://colab.research.google.com/dri...
Data Fest 2023:
https://ods.ai/events/datafestonline2023
Трек "Instruct Models":
https://ods.ai/tracks/df23-instruct-m...
Наши соц.сети:
Telegram: https://t.me/datafest
Вконтакте: https://vk.com/datafest