#监督微调

带有“监督微调”标签的文章1篇

标签文章

按从新到旧显示带有“监督微调”标签的文章。

三段式流水线:原始文本进入布满旋钮的机器,机器先穿上背心、装上停止拉杆,然后开始解谜
AI性能

从预训练到GRPO:前沿大模型是如何炼成的

前沿大模型等于权重文件加一段Python程序,经三阶段训练成为助手。预训练只学续写文本,基础模型不知何时停止,也无助手角色。监督微调用数万到数十万条对话教会人格、格式与停止词元。GRPO按组内平均分给模型自己的尝试打分,失败样本也提供信号。用指令模型做多步任务时要留出思考空间,微调应避开原始语料。

通过RSS和播客接收新文章

在RSS阅读器中添加RSS地址,或在播客应用中添加播客地址,每当有新文章发布时即可收到。播客会朗读文章标题和要点。

查看订阅方法