技术栈
奖励模型
qcx23
20 天前
人工智能
·
llm
·
sft
·
预训练
·
奖励模型
·
对齐
·
路线
【系统学AI】03 LLM训练全流程：预训练→SFT→对齐五条路线
一个LLM从"一堆随机参数"变成"ChatGPT那样能用"，要经过三个阶段。这篇文章把三步全部讲透——前两步定义清楚、流程画清楚、成本算清楚，重点拆解第三步（对齐训练）在2026年已经分化出的5条路线。
阿杰学AI
2 个月前
人工智能
·
深度学习
·
ai
·
语言模型
·
强化学习
·
奖励模型
·
rm
AI核心知识121—大语言模型之 基于人类反馈的强化学习 （简洁且通俗易懂版）
奖励模型 (Reward Model, 简称 RM) 是 RLHF（基于人类反馈的强化学习）架构中不可或缺的“电子裁判” 。
阿杰学AI
6 个月前
人工智能
·
ai
·
语言模型
·
aigc
·
奖励模型
·
rm
·
reward model
AI核心知识43——大语言模型之RM（简洁且通俗易懂版）
奖励模型（Reward Model，简称 RM） 是大语言模型在 RLHF（基于人类反馈的强化学习） 阶段中不可或缺的一个组件。
汀、人工智能
3 年前
人工智能
·
语言模型
·
自然语言处理
·
llm
·
强化学习
·
奖励模型
·
深度强化学习
精进语言模型：探索LLM Training微调与奖励模型技术的新途径
LLMs Trainer 是一个旨在帮助人们从零开始训练大模型的仓库，该仓库最早参考自 Open-Llama，并在其基础上进行扩充。
我是有底线的