Артыкулы для тых, хто
выводзіць стэк у прод
Матэрыялы пра React, Node.js, TypeScript і AI. Перакладзены тэкст паказваецца, калі ён ёсць. Калі не — вы бачыце англійскі тэкст і пазнаку пра гэта.
Тэг: fine-tuning
Навчанне агентаў AI падпрыемства: выбір між SFT, DPO, GRPO і RAG.
Адаптаванне агентаў AI для практычнага выкарыстоўвання: калі вжываць SFT, DPO, GRPO, LoRA чы проста RAG, і як выдаты рэзультат у вастоўленай, пераканаленай і можна адворачыць форме.
50 хв чытанняШто знаходзіць агент параўнання мадэляў: змены стылю засланяюць вузкі файнцюнінг
Агент параўнання мадэляў праверыў фінансавы LoRA-файнцюнінг: у 82% запускаў ён заўважыў змену даўжыні і структуры адказаў, а задуманая змена разважанняў засталася схаванай.
15 хв чытанняAGI — праблема навучання, а не захоўвання
Аргумент, што бесперапыннае навучанне, а не большыя вагі, — гэта адсутная частка AI, і эскіз самаабнаўляльнага цыкла, які правярае кожную малую змену.
7 хв чытанняRAG, файнцюнінг ці агенты: як выбраць патрэбны ўзровень і парадак яго будавання
RAG супраць файнцюнінгу і AI-агентаў: што робіць кожны, кошт, затрымка і збоі, практычныя правілы і HR-асістэнт, які паказвае, у якім парадку іх будаваць.
12 хв чытанняФайнцюнінг патаннеў, але агентам усё роўна патрэбны фільтр для вагаў
Як ператварыць захаваныя ўрокі агента ў вагі праз on-policy самадыстыляцыю, чатыры крытэрыі павышэння і чаму трохразовы паўтор цыкла яго ламае.
9 хв чытанняПромптынг, RAG ці файнцюнінг: спачатку дыягнаставаць узровень, потым выбіраць
Практычны спосаб выбару паміж промптынгам, RAG і файнцюнінгам у 2026 годзе: тры пытанні, схема рашэння, структура выдаткаў, свежасць даных і тыповыя памылкі.
9 хв чытанняАд прадказання токена да выканання інструкцый: файнцюнінг GPT-мадэлі
Як папярэдне навучаная GPT вучыцца выконваць інструкцыі: фарматаванне запісаў, зрух метак, маскі запаўнення, цыкл навучання, межы ацэнкі і крок да пераваг DPO.
9 хв чытанняДыстыляцыя мяккіх метак для SQL-агента на 0,8B: чаму перамог слабейшы настаўнік Qwen
LoRA-файнцюнінг на top-k мяккіх метках з замарожаных трас давёў SQL-агента на 0,8B да 55 з 220 задач, а слабейшы настаўнік Qwen перамог мацнейшую мадэль GPT.
20 хв чытанняПоясненне тонкага налаштавання GRPO: Навчанне локальнага LLM разважаць.
GRPO адыяе крытыка PPO і вучыцца на адналожэннях з групамі. Разбор пяці основных велічын, функцый награды і короткага скрыпту трэніравання Unsloth і TRL.
11 хв чытання
Пра гэтыя артыкулы
Ацэнка за 24 гадзіны
Патрэбны такі стэк у аператарскім слоі? Дашліце брыф — ацэнка за 24 гадзіны.