大模型微调双雄:SFT 与 RFT 到底有什么区别?
原题:大模型 SFT / RFT 是什么?做过相关工作吗?这道题的问法很「套路」——表面上是让你背两个缩写...
原题:大模型 SFT / RFT 是什么?做过相关工作吗?这道题的问法很「套路」——表面上是让你背两个缩写...

今天分享的论文是《Self-Adapting Language Models》 原文链接:[2506.10943] Self-Adapting ...
前言:deepseek中蒸馏主要通过强的teacher模型构建高质量推理数据集对参数模型进行SFT,随后再加上DPO加强模型偏好...
前言:deepseek中蒸馏主要通过强的teacher模型构建高质量推理数据集对参数模型进行SFT,随后再加上DPO加强模型偏好...