بهینه‌سازی یادگیری تقویتی برای تنظیم دقیق مدل‌های زبانی بزرگ

کتاب فشرده‌سازی اسفنج خیس: تنظیم دقیق مدل‌های زبانی بزرگ با یادگیری تقویتی خارج از خط‌مشی و کاهش چشمگیر هزینه محاسباتی