Methoden für die Optimierung von Basismodellen

Erfahren Sie mehr über verschiedene Tuning-Methoden.

Foundation-Modelle können auf folgende Weise abgestimmt werden:

• Vollständige Feinabstimmung : Ausgehend vom Vorwissen des Basismodells wird das Modell durch Feinabstimmung mit einem kleineren, aufgabenspezifischen Datensatz maßgeschneidert. Die vollständige Feinabstimmungsmethode ändert die Parametergewichte für ein Modell, dessen Gewichte durch vorheriges Training festgelegt wurden, um das Modell an eine Aufgabe anzupassen.

  Hinweis: Sie können derzeit keine Feinabstimmung der Basismodelle in watsonx.ai vornehmen, aber Sie können sie prompt abstimmen.

• Optimierung der Eingabeaufforderung: Passt den Inhalt der Eingabeaufforderung an, die an das Modell übergeben wird, um das Modell zum Generieren einer Ausgabe zu führen, die einem von Ihnen angegebenen Muster entspricht. Das zugrunde liegende Fundamentmodell und seine Parametergewichte werden nicht geändert. Nur die Eingabeaufforderungseingabe wird geändert.

  Obwohl das Ergebnis einer sofortigen Abstimmung ein neues abgestimmtes Modell ist, fügt das sofort abgestimmte Modell lediglich eine Funktionsebene hinzu, die ausgeführt wird, bevor die Eingabe vom zugrunde liegenden Basismodell verarbeitet wird. Wenn Sie ein Modell prompt-tunen, wird das zugrunde liegende Basismodell nicht verändert, was bedeutet, dass es für verschiedene Geschäftsanforderungen verwendet werden kann, ohne jedes Mal neu trainiert werden zu müssen. Dadurch reduzieren Sie den Rechenbedarf und die Inferenzkosten. Siehe Prompt-Tuning.

Übergeordnetes Thema: Tuning-Modelle der Stiftung