Post-Training Foundations for LLMs

LF Insider: LLM 研修後の基礎

大規模言語モデルを、生のテキスト予測器から信頼できるアシスタントへと変換する、ポストトレーニングの仕組みを学びます。教師ありファインチューニング、強化学習、選好最適化、テスト時推論といった手法を探求し、それぞれがモデルの挙動をどのように形成するかを学びます。実例と実践的な知見を通して、ポストトレーニングによってモデルがより正確で制御しやすく、人間のニーズに沿ったものになる仕組みを解説します。