Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Entraînement itératif
La formation itérative est une approche systématique visant à affiner les modèles à travers plusieurs cycles de formation, chaque cycle s'appuyant sur le point de contrôle précédent en corrigeant les faiblesses spécifiques découvertes lors de l'évaluation. Cette méthode permet d'améliorer de manière ciblée les performances des modèles en incorporant des exemples sélectionnés qui traitent des modes de défaillance, en s'adaptant à l'évolution des exigences et en validant les améliorations de manière incrémentielle plutôt que de s'engager dans une seule longue période d'entraînement. Le processus suit généralement des modèles tels que SFT (Supervised Fine-Tuning) suivi de RFT (Reward-based Fine-Tuning), avec des points de contrôle stockés dans des compartiments S3 d'entiercement AWS gérés qui peuvent être référencés pour les itérations de formation suivantes tout en maintenant la cohérence du type de modèle et de la technique d'entraînement tout au long du pipeline.
Pour plus d'informations, consultez Entraînement itératif.
