模型训练与对齐

9 个专题 · 270 道题

0085

当 pass@k 与 pass@1 的差距收敛后，如何继续提升模型能力？

模型训练与对齐预训练、续训与 SFT

方案设计

深入

0088

如何用知识图谱合成 Agent 任务？

模型训练与对齐训练数据构建与治理

方案设计

进阶

0090

除了训练数据，项目中还做了哪些算法改进？

模型训练与对齐训练数据构建与治理

项目深挖

深入

0101

verl 中的 Agent Loop 如何实现？

模型训练与对齐训练框架、调参与排障

原理机制

进阶

0105

On-policy 和 Off-policy 有什么区别？

模型训练与对齐强化学习与奖励

比较选型

进阶

0170

ZeRO-1、ZeRO-2 和 ZeRO-3 有何区别？

模型训练与对齐分布式训练与计算硬件

比较选型

进阶

0206

工具轨迹长度与任务复杂度有什么关系，训练时如何使用不同长度的数据？

模型训练与对齐训练数据构建与治理

原理机制

进阶

0207

基座已有工具调用能力时，Tool-use SFT 的训练目标是什么？

模型训练与对齐预训练、续训与 SFT

原理机制

进阶

0212

为什么先做 Step-level SFT 再做 GRPO 可能更稳定？

模型训练与对齐强化学习与奖励

原理机制

进阶

0214

长轨迹 SFT 如何选择截断、切分和掩码并保持工具依赖？

模型训练与对齐训练数据构建与治理

方案设计

进阶