Cunoaștem antrenamentul offline - pretraining, dpo... datele sunt clare în avans. Cunoaștem și instruirea online - ppo, grpo... datele sunt construite în timpul antrenamentului. Nou: Instruire Humanline - orice date (offline/online) modelate pentru a se potrivi cu percepția umană → pot produce performanțe online la costuri mai mici