तथ्य जोड़ने के लिए Fine-Tuning कमज़ोर तरीक़ा है

शैली स्थानांतरित होती है, तथ्य रिसते हैं

दस्तावेज़ों पर प्रशिक्षण मॉडल को यह सिखाने में कि ऐसा पाठ कैसा सुनाई देता है, उसमें क्या सच है उससे अधिक भरोसेमंद होता है। कुछ बार के पासों से सीखे तथ्य असमान रूप से जमा होते हैं, आत्मविश्वास से ग़लत पुनर्कथित हो सकते हैं, उद्धृत नहीं किए जा सकते, और बिना दोबारा प्रशिक्षण के अद्यतन या हटाए नहीं जा सकते। Retrieval तथ्य weights के बाहर रखता है जहाँ वे ताज़े, स्रोत-युक्त और पहुँच-नियंत्रित रह सकते हैं। अच्छा विभाजन: व्यवहार के लिए tune (format, लहजा, कार्य-कौशल) और ज्ञान के लिए retrieve। मॉडल को निजी डेटा पर तर्क भी करना हो तो दोनों करें और अलग-अलग परखें।

प्रशिक्षित रसोइया बनाम रेसिपी की किताब

प्रशिक्षण रसोइये को तकनीक सिखाता है; आज के मेनू की क़ीमतों जैसे तथ्य उस किताब में रहें जो दोबारा खोली और अद्यतन की जा सके।

तथ्य प्रश्न दोनों तरह परखें

तथ्य प्रश्नों पर tuned मॉडल की retrieval के साथ और बिना तुलना करें; retrieval आम तौर पर सटीकता और ताज़गी में जीतता है।

त्वरित जाँच: बदलते कंपनी तथ्यों के लिए retrieval क्यों बेहतर है?

• तथ्य बिना दोबारा प्रशिक्षण के अद्यतन, उद्धृत और पहुँच-नियंत्रित हो सकते हैं
• Retrieval को डेटा नहीं चाहिए
• Weights तथ्य पूरी तरह जमा करते हैं
• Tuned मॉडल सवालों के उत्तर नहीं दे सकते