模型训练与对齐

9 个专题 · 270 道题

2019

统一管线构造和用户数据回流在方法论上有什么差异？

模型训练与对齐训练数据构建与治理

比较选型

进阶

2021

Mid-training 与 Post-training 有什么区别？

模型训练与对齐预训练、续训与 SFT

比较选型

进阶

2022

业务算法什么时候应该训练模型？

模型训练与对齐预训练、续训与 SFT

比较选型

进阶

2144

SFT、强化学习和 Agentic CFT 分别解决什么问题？

模型训练与对齐强化学习与奖励

比较选型

进阶

2145

Agent 训练为什么可能需要 Mask Observation Token？

模型训练与对齐预训练、续训与 SFT

原理机制

进阶

2323

Agent 如何通过 SFT 训练？

模型训练与对齐预训练、续训与 SFT

方案设计

进阶

2324

工具调用本身与基于结果继续生成，哪部分更依赖 SFT？

模型训练与对齐预训练、续训与 SFT

比较选型

进阶

2468

GRPO 的 Loss 如何计算？

模型训练与对齐强化学习与奖励

原理机制

进阶

2469

Deep Research 如何与强化学习结合？

模型训练与对齐强化学习与奖励

方案设计

进阶

2474

GRPO 训练实际使用什么数据？

模型训练与对齐强化学习与奖励

项目深挖

进阶