A12 · 第 2 章 · 课程规划页
指令微调、偏好优化与上下文学习
本章研究指令微调、偏好优化与上下文学习。内容依次处理监督指令微调与格式遵循、偏好数据、奖励模型与直接偏好优化、上下文示例、提示敏感性与任务迁移。
- 所在 Part
- 第一编 大语言模型
- 预计学习
- 40 分钟
- 建设状态
- 已规划，尚无正式正文
计划实验
本章未登记独立交互实验；定义、公式和例题仍按下列提纲规划。
LEARNING OBJECTIVES
完成本章后应能
- 01准确说明监督指令微调与格式遵循。
- 02完成偏好数据、奖励模型与直接偏好优化所需的推导、证明或算法。
- 03使用计算、例题或反例检验上下文示例、提示敏感性与任务迁移。
PLANNED SECTIONS
计划章节结构
- 01
监督指令微调与格式遵循
界定监督指令微调与格式遵循，明确使用的条件、主要结论与可复核步骤。
- 02
偏好数据、奖励模型与直接偏好优化
推导偏好数据、奖励模型与直接偏好优化，明确使用的条件、主要结论与可复核步骤。
- 03
上下文示例、提示敏感性与任务迁移
检验上下文示例、提示敏感性与任务迁移，明确使用的条件、主要结论与可复核步骤。
计划定义
监督指令微调与格式遵循：对象、记号与前提
围绕监督指令微调与格式遵循列出主要对象、符号、前提与定义边界。
计划公式
偏好数据、奖励模型与直接偏好优化：关系、判据与可复核步骤
把偏好数据、奖励模型与直接偏好优化整理为可检查的关系、判据或算法步骤；涉及定量模型时写出公式，并说明符号、适用条件，以及需要时的单位或复杂度。
计划例题
上下文示例、提示敏感性与任务迁移：案例、反例与核验
围绕上下文示例、提示敏感性与任务迁移给出明确输入、前提或数据，逐步分析并用反例、误差、守恒量或边界条件复核。
计划练习
指令微调、偏好优化与上下文学习：定义、关系与边界综合练习
联结监督指令微调与格式遵循、偏好数据、奖励模型与直接偏好优化与上下文示例、提示敏感性与任务迁移，分别检验定义辨析、主要步骤和适用边界。
关键词
指令微调、偏好优化、上下文学习、第一编 大语言模型、大语言模型、多模态模型与智能体