base model

Alex_StarSky1 年前
llm·sft·rlhf·大模型训练·base model·pretraining·gpt训练流程
GPT实战系列-GPT训练的Pretraining，SFT，Reward Modeling，RLHF以GPT为例，LLM训练流程分为4个阶段：预训练，监督微调训练，奖励评价训练，强化学习。分别生成预训练模型（Base model，基础模型），如GPT3，GPT4；监督精调模型SFT模型，RM奖励评价模型，和最后的生成模型，如ChatGPT。