Ի՞նչ է վերահսկվող մանրամասնեցումը (SFT): Ինչ տվյալներ են անհրաժեշտ:

Նահանջվող մանրամասնեցում (SFT) — դա նախապես ուսուցանված մոդելի (օրինակ՝ մեծ լեզվական մոդելի) լրացուցիչ ուսուցում է նշված տվյալների վրա՝ այն հարմարեցնելու համար կոնկրետ առաջադրանքի։ Վերահսկվող ուսուցումից տարբեր՝ SFT-ը օգտագործում է արդեն գոյություն ունեցող գիտելիքները և դրանք հստակեցնում է։

SFT-ի համար անհրաժեշտ են տվյալներ՝ հստակ մուտքեր և համապատասխան ճիշտ ելքեր (տեգերներ)։ Օրինակ՝ դասակարգման առաջադրանքի համար՝ տեքստեր՝ կատեգորիաներով; պատասխաններ ստեղծելու համար՝ հարց-պատասխան զույգեր։ Այս տվյալները թույլ են տալիս մոդելին սովորել տալ ցանկալի արդյունքը կոնկրետ օրինակների վրա։

Օրինակ՝ LLM-ի լրացուցիչ ուսուցում՝ զրույցների հավաքածուում, որտեղ յուրաքանչյուր հարցին համապատասխան է ճիշտ պատասխան, որպեսզի բարելավվի պատասխանների որակը։