后训练综合问答
SFT 为什么只对 assistant token 算 loss？多轮时所有 ASST 都要开放吗？
原题工业级 SFT 数据工程怎么设计？
原题什么是 PSFT？为什么值得在面试里提？
原题RM、ORM、PRM、Verifier、Judge 怎么区分？
原题开放式任务 vs 可验证任务的奖励设计本质区别？
原题合成数据（GPT-4 蒸馏）的深层隐患？
原题Length Bias 怎么处理？
原题Reward Hacking 怎么防？
原题Benchmark Contamination 怎么防？
原题数据飞轮怎么设计？
原题
暂无题目