模型训练与对齐

9 个专题 · 270 道题

3011

GRPO 的 Reward 能否迁移到 PPO？

模型训练与对齐强化学习与奖励

比较选型

进阶

3048

逻辑推理微调的 LoRA 秩 r 是否需要高于对话生成任务？

模型训练与对齐参数高效微调

比较选型

进阶

3049

垂直领域微调后通用能力衰减，如何优化？

模型训练与对齐训练框架、调参与排障

故障排查

进阶

3051

DPO 为什么不需要在线采样，训练数据采用什么格式？

模型训练与对齐偏好对齐

原理机制

进阶

3052

GRPO 中 KL 散度损失如何计算实现？

模型训练与对齐强化学习与奖励

原理机制

深入

3173

如何为海底捞智能点餐 Agent 设计后训练方案？

模型训练与对齐预训练、续训与 SFT

系统设计

深入

3174

智能点餐场景的多轮 RL 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

3268

项目是否使用 GPU，公司是否部署 GPU 训练大模型？

模型训练与对齐分布式训练与计算硬件

经历介绍

—

3270

什么是知识蒸馏？

模型训练与对齐蒸馏与模型合并

概念解释

基础

3297

简单介绍后训练和强化学习。

模型训练与对齐强化学习与奖励

概念解释

基础