FM をファインチューニングするためのデータの準備方法
Preparing Data for Fine-Tuning an FM
AI 生成試験ガイド v1.1 準拠人による確認：未実施
このページの内容は、AWS 公式の試験ガイドをもとに AI が作成しました。誤りを含む可能性があります。正式な情報は公式の試験ガイドで確認してください。
概要
の効果は主にデータで決まる：データのキュレーション、、適切な、正確な、。RLHF は、出力に対する人間の好みのからを学習し、人の期待に沿うようを調整する。
Fine-tuning results depend mostly on data: curated, governed, adequately sized, accurately labeled, and representative. RLHF uses human preference feedback on outputs to train a reward signal so the model matches human expectations.
主な用語
| 日本語 | English |
|---|---|
| Data curation | |
| Governance | |
| Size | |
| Labeling | |
| だいひょうせい | Representativeness |
| RLHF |
解説
日本語の解説は準備中です。上の概要と用語表で要点を確認し、確認テストで理解度を確かめてください。
出典：AWS Certified AI Practitioner (AIF-C01) 試験ガイド Domain 3 › Task 3.3
項目名と要約は本サイトによるものです。試験ガイドの原文は公式サイトで確認してください。
読み終えたら「学習済み」にしましょう。確認テストで 80% 以上正解すると「習得済み」になります。
D3 確認テスト 1 へ