带伤训练
-
多模态大模型“带伤训练”：SFT后别急着接RL
当前多模态大模型的后训练流程，几乎被“先SFT（有监督微调），再RL（强化学习）”这一范式统治。从DeepSeek到Qwen，从GRPO到DAPO，团队们拼命优化RL算法的稳定性、…
当前多模态大模型的后训练流程，几乎被“先SFT（有监督微调），再RL（强化学习）”这一范式统治。从DeepSeek到Qwen，从GRPO到DAPO，团队们拼命优化RL算法的稳定性、…
