LLM Post-Training: Fine-Tuning dan Dasar-Dasar Pembelajaran Penguatan

Model bahasa besar yang telah dilatih sebelumnya sangat kuat, tetapi mengadaptasinya ke tugas-tugas spesifik dan menyelaraskannya dengan preferensi manusia memerlukan post-training. Memahami cara memandu model-model ini sangat penting untuk membangun aplikasi AI yang aman, andal, dan terspesialisasi. Dalam kursus berbasis teks ini, Anda akan mempelajari konsep-konsep fundamental dan alur kerja praktis di balik post-training LLM, beralih dari model mentah menjadi asisten AI yang bermanfaat dan selaras. Apa yang akan Anda pelajari: - Memahami perbedaan utama antara pre-training, supervised fine-tuning (SFT), dan reinforcement learning. - Menerapkan metode parameter-efficient fine-tuning (PEFT) seperti LoRA untuk mengadaptasi model dengan sumber daya komputasi minimal. - Menjelajahi Reinforcement Learning from Human Feedback (RLHF) dan alternatif penyelarasan modern seperti Direct Preference Optimization (DPO). - Mengevaluasi perilaku dan keamanan model untuk memastikan output bermanfaat, jujur, dan tidak berbahaya. - Menganalisis cuplikan kode dan panduan tertulis untuk menyiapkan dataset untuk tugas fine-tuning kustom. Kursus ini dimulai dengan definisi dasar paradigma post-training sebelum memandu Anda melalui persiapan data, konfigurasi fine-tuning, dan strategi penyelarasan. Anda akan maju dari konsep teoretis ke membaca dan menganalisis kode implementasi dunia nyata. Kursus ini dirancang untuk pengembang perangkat lunak, penggemar data, dan pemula AI yang ingin memahami bagaimana LLM disesuaikan. Tidak diperlukan pengalaman sebelumnya dengan machine learning tingkat lanjut, meskipun keakraban dasar dengan Python akan sangat membantu. Mulai membaca hari ini untuk membuka kekuatan penyelarasan model kustom dan post-training.