模型训练与对齐

9 个专题 · 270 道题

3667

如何构建和维护 Hard Case 数据集？

模型训练与对齐训练数据构建与治理

方案设计

进阶

2675

如何判定 SFT 可以结束并进入强化学习阶段？

模型训练与对齐强化学习与奖励

方案设计

进阶

2678

如何估算并优化 7B 模型 GRPO 训练的显存开销？

模型训练与对齐分布式训练与计算硬件

方案设计

深入

2681

多场景训练数据应如何混合并确定采样配比？

模型训练与对齐训练数据构建与治理

方案设计

进阶

2682

SFT 中如何平衡简单任务和复杂任务的训练权重？

模型训练与对齐预训练、续训与 SFT

方案设计

进阶

2683

微调时如何判断并缓解过拟合？

模型训练与对齐训练框架、调参与排障

故障排查

进阶

2684

SFT 常用的损失函数是什么，如何选择和计算？

模型训练与对齐训练框架、调参与排障

原理机制

进阶

2685

开启或关闭 Thinking 对 SFT 训练有什么影响？

模型训练与对齐预训练、续训与 SFT

比较选型

进阶

2686

字段提取任务的奖励函数应如何设计？

模型训练与对齐强化学习与奖励

方案设计

进阶

2688

RL 训练初期奖励先降后升时，如何解释和排查？

模型训练与对齐强化学习与奖励

故障排查

进阶