Ek eğitim (post-training)

Ek eğitim (post-training), hazır bir modeli tanımlı bir alana ya da davranışa uyarlar; ama varsayılan başlangıç noktası değildir. Önce istem tasarımı, bilgi erişimi (retrieval), izne bağlı araçlar, aynı girdiye hep aynı sonucu veren sistem kontrolleri ve ayrılmış vakalarda ölçülmüş bir referans gelir. Bu referans geçerse model ağırlıkları değiştirilmeden paketlenir. Geçemezse ekip, yöntem seçmeden önce boşluğu teşhis eder.

Uyarlamadan önce teşhis

Boşluk bağlamda, bilgi erişiminde, araçlarda ya da süreçteyse çözüm eğitim değil, sistem düzeltmesidir. Boşluk, davranışın örneklerle gösterilmesindeyse onaylı uzman örnekleri üzerinde denetimli ince ayar (SFT) haklı olabilir. Boşluk bir tercih sorunuysa tercih optimizasyonu, örneğin doğrudan tercih optimizasyonu (DPO), haklı olabilir. Pekiştirmeli öğrenme (RL) ya da pekiştirmeli ince ayar (RFT) koşulludur. Yalnızca uzmanlar güvenilir bir ödül tanımlayabiliyorsa, deneme akışları (rollout) kontrol altındaysa ve eğitilen modelden bağımsız bir doğrulayıcı (verifier) hatayı ya da ödülün kötüye kullanılmasını (reward gaming) yakalayabiliyorsa kullanın. Bunlar birbirinin alternatifi yollardır; zorunlu bir sıra değildir.

Kapı, sözleşmenin kendisidir

Aday model önce ayrılmış test verisinde değerlendirmeye, sonra ilgili güvenlik ve saldırı (adversarial) testlerine, ajan görevi değerlendirmesine ve gölge çalıştırma ya da operasyonel kanıta döner. Yalnızca geçerli olan her kapıyı kabul edilemez bir gerileme olmadan geçerse paketlenir. Geçemezse ekip durur ya da teşhis edilen katmanı yeniden ele alır. Eğitim ve değerlendirme verisi ayrı tutulur. Verinin kaynağı, saklama süresi, gizlilik kontrolleri ve izin verilen eğitim ortamı kapsamda yazılıdır.

Sonucun sahibi kim

Sahiplik, model lisansı kısıtları, devreye alma hakları ve devir çıktıları teklife yazılır. Seçilen model ve ortam izin verdiği yerde, geçerli çıktılar arasında adaptörler ya da ağırlıklar, değerlendirme testleri (evals), veri belgeleri, yapılandırma ve işletme kılavuzları olabilir.