模型训练与对齐

本分类共 9 个专题 · 1113 道题

18763

模型奖励与真实业务指标脱节时，怎样调整奖励设计？

模型训练与对齐强化学习与奖励

故障排查

进阶

18764

项目搭建离线仿真环境有什么目的和价值？

模型训练与对齐Verifier 与训练评测

项目深挖

进阶

18765

重新设计后训练体系时，怎样选择 Offline RL 与 Online RL？

模型训练与对齐强化学习与奖励

技术决策

进阶

18846

On-Policy Distillation 的损失函数由哪些部分构成，设计思路是什么？

模型训练与对齐蒸馏与模型合并

原理机制

进阶

18847

DAPO 为什么可以不额外加入 KL 惩罚，应怎样理解其约束？

模型训练与对齐强化学习与奖励

原理机制

进阶

18848

GRPO 训练后期收益衰减明显时，怎样定位并优化？

模型训练与对齐训练框架、调参与排障

故障排查

进阶

18863

怎样判断 Agent 需要强化学习优化，还是通过 Prompt 调整即可？

模型训练与对齐强化学习与奖励

技术决策

进阶

18865

强化学习任务怎样设计动作空间，并应对空间过大造成的探索困难？

模型训练与对齐强化学习与奖励

方案设计

进阶

18911

智能音量调节项目怎样采集音频数据，并设计覆盖场景？

模型训练与对齐训练数据构建与治理

方案设计

进阶

1971

项目微调的目标是否是让模型生成预期推理路径与执行结果？

模型训练与对齐预训练、续训与 SFT

项目深挖

进阶