Docs
...
InstructLab foundation models

InstructLab-compatible modelos de fundacion

Última actualización: 21 feb 2025
InstructLab-compatible modelos de fundacion

Explora los modelos de base de maquillaje de IBM que se han ajustado utilizando InstructLab. Explore la taxonomía de foundation model para encontrar lagunas de conocimiento que puede llenar aportando habilidades.

IBM watsonx.ai da soporte a modelos de base que utilizan un nuevo método de ajuste de alineación de IBM Research. La alineación a gran escala para chatBots,, o LAB, es un método para añadir nuevos conocimientos y habilidades a los modelos de base existentes mediante la generación de datos sintéticos para la nueva capacidad y, a continuación, utilizando los datos generados para ajustar la instrucción del foundation model.

En lugar de construir un nuevo " foundation model " desde cero, o crear un modelo derivado con ajuste fino, puede utilizar " IntructLab " para aumentar un " foundation model " existente con las capacidades necesarias para su caso de uso.

Los siguientes modelos de base se ajustaron utilizando el método de ajuste de alineación de InstructLab:

  • granite-20b-multilingual

Para obtener más información sobre estos modelos base, consulte Modelos base soportados.

Exploración de conocimientos y habilidades

Cuando se forma un foundation model con conocimientos y habilidades aportados, se dispone de una página de taxonomía modelo para el modelo. La taxonomía muestra una jerarquía de los conocimientos y competencias que se aportaron al foundation model, donde cada nodo final representa una competencia aportada.

Desde la tarjeta del modelo foundation model en Prompt Lab, haga clic en Taxonomía de la formación para explorar los conocimientos y habilidades que se añadieron al modelo utilizando el método de ajuste LAB.

  • Una habilidad enseña al modelo a hacer algo, como escribir un correo electrónico promocional o resumir un informe. Cuando aporta una aptitud, proporciona al menos cinco ejemplos de semilla que se utilizan para generar datos sintéticos para el entrenamiento.
  • El conocimiento son los datos y los hechos que un modelo necesita para responder de forma más precisa a las preguntas. Cuando aporta conocimientos, proporciona datos de puesta a tierra y pares de preguntas y respuestas relacionados con los datos.

Si una habilidad que necesita para su caso de uso no está disponible en el foundation model, cree y aporte la habilidad.

Más información

Tema principal: Modelos de base soportados