Статьи для тех, кто
выводит стек в прод
Материалы о React, Node.js, TypeScript и AI. Переведённый текст показывается, если он есть. Если нет — вы видите английский текст и пометку об этом.
Тег: Fine-Tuning
Обучение корпоративных ИИ-агентов: выбор между методами SFT, DPO, GRPO и RAG.
Обучение ИИ-агентов в корпоративных средах: когда использовать SFT, DPO, GRPO, LoRA или простой RAG, и как выпустить результат в виде зафиксированной, протестированной и обратимой версии.
50 мин чтенияЧто обнаруживает агент для сравнения моделей: изменения стиля перекрывают незначительные корректировки.
Агент для обнаружения отклонений от модели проверил процесс тонкой настройки LoRA в финансовой сфере: 82% примеров выявили изменения в длине и структуре, в то время как запланированное изменение логики осталось незамеченным.
15 мин чтенияAGI — это проблема обучения, а не проблема хранения.
Аргумент о том, что непрерывное обучение, а не увеличение весов, является недостающим элементом искусственного интеллекта, с описанием цикла самообновления, который проверяет каждое небольшое изменение.
7 мин чтенияRAG, тонкая настройка или агенты: выбор подходящего уровня и порядка его создания
RAG против тонкой настройки против ИИ-агентов: что делает каждый из них, стоимость, задержки и способы сбоев, ориентировочные правила, а также вспомогательный инструмент для HR, показывающий порядок их создания.
12 мин чтенияТонкая настройка стала дешевой, но агентам по-прежнему нужен механизм контроля весов
Как преобразовать сохранённые уроки агента в веса с использованием метода самодистилляции в рамках одной политики, четырёх критериев повышения качества и почему тройное выполнение цикла нарушает его работу.
9 мин чтенияПромпты, технология RAG или тонкая настройка: диагностируйте соответствующий уровень перед выбором.
Практический способ выбора между использованием промптов, технологии RAG и тонкой настройкой в 2026 году, основанный на трех вопросах, алгоритме принятия решений, характеристиках затрат, свежести данных и распространенных ошибках.
9 мин чтенияОт прогнозирования следующего токена к выполнению инструкций: тонкая настройка модели GPT
Как заранее обученный GPT учится выполнять указания: форматирование записей, смещение меток, маски заполнения, цикл обучения, ограничения оценки и шаг к предпочтениям DPO.
9 мин чтенияДистилляция с мягкими метками для агента SQL объемом 0.8 млрд: почему победил более слабый учитель Qwen
Тонкая настройка LoRA с использованием мягких меток типа top-k из замороженных записей позволила агенту SQL объемом 0,8 млрд выполнить 55 из 220 задач, причем более слабая модель Qwen превзошла более мощную модель GPT.
20 мин чтенияОбъяснение тонкой настройки GRPO: обучение локального LLM рассуждать
GRPO отказывается от критики PPO и учится на сравнениях в группе. Рассмотрим пять основных показателей, функции награды и краткий скрипт обучения Unsloth и TRL.
11 мин чтения
О этих статьях
Оценка за 24 часа
Нужен такой же стек в операторском слое? Пришлите бриф — оценка за 24 часа.