微调模型是采用预先训练的AI模型并对其进行细微调整，使其在特定任务上表现更好的过程。一般模型不是从头开始训练，而是使用额外数据进行“调整”，以提高其在特定用例中的表现。
SFT（监督式微调）是一种特殊类型的微调，其中模型在标记的数据集上进行训练。这意味着为模型提供包含输入数据（如图像或文本）和正确答案（标签）的示例。该模型学习根据这些标记的示例进行预测，以提高其特定任务的准确性。
例如，使用客户支持问题和答案的标记数据集对 LLM 进行微调，使其在处理常见查询时更加准确。如果您拥有大量标记数据，则非常适合使用。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网（Professionalism Achieves Leadership 专业造就领导者）默然。
