模型训练与对齐

9 个专题 · 270 道题

0764

后训练数据有哪些形态？

模型训练与对齐训练数据构建与治理

原理机制

基础

0823

如何考虑为每个业务后训练小模型？

模型训练与对齐预训练、续训与 SFT

方案设计

进阶

0904

是否做过分布式训练，常见的模型并行方式有哪些？

模型训练与对齐分布式训练与计算硬件

原理机制

进阶

1224

LoRA 的低秩矩阵如何初始化？

模型训练与对齐参数高效微调

原理机制

进阶

1226

采用 SFT 和 GRPO 后相对原模型改了什么，数据层面有哪些问题和修改？

模型训练与对齐强化学习与奖励

项目深挖

进阶

1229

不同项目为什么分别选择 PPO 和 DDPG？

模型训练与对齐强化学习与奖励

比较选型

进阶

1230

DDPG 项目的 reward 如何设计？

模型训练与对齐强化学习与奖励

方案设计

进阶

1231

智驾场景中如何处理交互博弈、保守策略与多种行为风格？

模型训练与对齐强化学习与奖励

方案设计

进阶

1232

行为风格如何输入智能体，输入是连续值还是离散值？

模型训练与对齐强化学习与奖励

原理机制

进阶

1233

如何证明模型学到了不同风格的影响，并评估效果？

模型训练与对齐强化学习与奖励

方案设计

进阶