模型训练与对齐

本分类共 9 个专题 · 756 道题

8770

算法自动生成的训练数据，如何评估质量？

模型训练与对齐训练数据构建与治理

效果评估

进阶

8816

项目中的数据集用途和格式是什么，是训练数据还是评判器输入？

模型训练与对齐训练数据构建与治理

项目深挖

进阶

8817

DPO 偏好数据对从哪里来，如何构造与验证？

模型训练与对齐偏好对齐

项目深挖

进阶

8919

OPD 训练如何筛选学生轨迹，为什么排除某些错误轨迹？

模型训练与对齐蒸馏与模型合并

技术决策

进阶

8920

过程奖励信号从哪里来，如何识别和校正偏差？

模型训练与对齐强化学习与奖励

原理机制

进阶

8921

多轮对话强化学习如何设计双层奖励？

模型训练与对齐强化学习与奖励

方案设计

进阶

8924

多轮对话强化学习怎样完成冷启动？

模型训练与对齐强化学习与奖励

方案设计

进阶

9147

什么是行为克隆，如何用它学习机器人策略？

模型训练与对齐强化学习与奖励

原理机制

进阶

9148

模仿学习与强化学习有什么区别？

模型训练与对齐强化学习与奖励

比较选型

基础

9149

为什么机器人操作任务中经常使用模仿学习？

模型训练与对齐强化学习与奖励

技术决策

进阶