模型训练与对齐

9 个专题 · 270 道题

3448

什么是优势函数？

模型训练与对齐强化学习与奖励

概念解释

基础

3458

为什么选择 GSPO，是序列级优化还是 MoE 模型因素？

模型训练与对齐强化学习与奖励

比较选型

进阶

3459

DAPO 如何进行动态采样？

模型训练与对齐强化学习与奖励

原理机制

进阶

3460

GRPO 中为什么错误答案较长、正确答案较短？

模型训练与对齐强化学习与奖励

原理机制

进阶

3461

如何解释 PPO Loss 中没有 KL 散度这一说法？

模型训练与对齐强化学习与奖励

原理机制

进阶

3462

GRPO Loss 中各个参数分别是什么意思？

模型训练与对齐强化学习与奖励

原理机制

进阶

3469

项目双维度奖励包含什么，各自解决哪些问题？

模型训练与对齐强化学习与奖励

项目深挖

进阶

3470

一致性奖励与完整性奖励如何定义和评分？

模型训练与对齐强化学习与奖励

项目深挖

进阶

3471

奖励函数是否依赖 Ground Truth，如何用大模型评分？

模型训练与对齐强化学习与奖励

方案设计

进阶

3472

为什么使用二值奖励，而不采用连续或阶梯式奖励？

模型训练与对齐强化学习与奖励

比较选型

进阶