Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Teknik kustomisasi
<a name="customizing-models-techniques"></a>

Teknik penyesuaian menentukan * bagaimana model * Anda belajar dari data. Setiap teknik memerlukan format dataset yang berbeda dan memiliki hyperparameter sendiri. Pilih berdasarkan data apa yang Anda miliki dan perilaku apa yang ingin Anda capai.
+ **[SFT](customizing-models-sft.md)**(Diawasi Fine-Tuning) - Latih pasangan respon cepat berlabel. Terbaik untuk mengajarkan model gaya, format, atau pengetahuan domain tertentu.
+ **[DPO](customizing-models-dpo.md)**(Pengoptimalan Preferensi Langsung) — Latih pasangan respons yang disukai vs yang ditolak. Terbaik untuk menyelaraskan dengan preferensi manusia dan menghindari output yang tidak diinginkan.
+ **[RFT](customizing-models-rft.md)**(Penguatan Fine-Tuning) - Optimalkan melalui sinyal hadiah: verifikasi berbasis kode (**RLVR**) atau hakim LLM (RLAIF). ** ** Terbaik untuk meningkatkan akurasi faktual atau kualitas subjektif.
+ **[Multi-turn pembelajaran penguatan](model-customize-mtrl.md)**(Pem Multi-Turn belajaran Penguatan) - Latih agen untuk tugas agen multi-langkah dengan konteks yang berkembang.
+ **[Kustomisasi berkelanjutan](customizing-models-continuous.md)**(Kustomisasi Berkelanjutan) — Rantau beberapa teknik secara berurutan (misalnya, SFT → DPO → RLVR). Membutuhkan jenis [ pelatihan ](customizing-models-lora.md) LoRa.

Setiap teknik dapat dikombinasikan dengan jenis [ pelatihan [ LoRa ](customizing-models-lora.md) atau ](customizing-models-fft.md) FFT. Lihat [Jenis pelatihan](customizing-models-training-types.md) untuk detail tentang memilih di antara mereka.