Post-Training 13
- Post-training degli LLM: constitutional AI e template per generare dati
- Post-training degli LLM: costruire un dataset sintetico
- Post-training degli LLM: quali dati e quanti, per fine-tuning e RL
- Post-training in pratica: migliorare un modello partendo dagli eval
- Post-training degli LLM in pratica: error analysis e costruzione degli eval
- Post-training degli LLM: ambienti di test RL, reward hacking e red teaming
- Post-training degli LLM: gli eval come stella polare, test set e metriche
- Post-training degli LLM: PPO e GRPO
- Post-training degli LLM: reward, reward model e RLHF
- Post-training degli LLM: fine-tuning, loss, iperparametri e LoRA
- Post-training degli LLM: dati e token
- Post-training in pratica: reasoning, Constitutional AI e pipeline reali
- Post-training degli LLM: fine-tuning e reinforcement learning