모듈 평가

1.

팀에서는 Foundry가 Python 학습 루프를 작성하지 않고 업로드된 데이터 및 지원되는 작업 설정에서 미리 정의된 미세 조정 워크플로를 실행하기를 원합니다. 어떤 학습 방법을 선택해야 하나요?

관리형 교육

프로그래밍 학습(프리뷰)

에이전트의 지침 및 도구 변경

2.

AI 에이전트는 피트니스 수준, 경험, 예산 및 기상 조건과 같은 고객 제약 조건이 서로 상호 작용하는 방식을 고려하지 못하는 여행 계획을 생성합니다. 이 문제를 가장 잘 해결하는 미세 조정 방법은 무엇인가요?

감독 미세 조정 (SFT)

RFT(강화 파인튜닝)

DPO(직접 기본 설정 최적화)

3.

선호하는 응답과 선호하지 않는 응답을 포함한 프롬프트로 구성된 기본 설정 쌍 형식의 학습 데이터가 필요한 미세 조정 방법은 무엇입니까?

감독 미세 조정 (SFT)

RFT(강화 파인튜닝)

DPO(직접 기본 설정 최적화)

4.

미세 조정 작업을 제출하기 전에 기본 모델을 평가하는 목적은 무엇인가요?

미세 조정으로 성능이 향상되었는지 여부를 측정할 수 있도록 기준을 설정합니다.

기본 모델의 출력에서 레이블이 지정된 학습 예제를 자동으로 생성합니다.

학습 과정에서 최적의 에폭 수를 결정합니다.

피드백