模型训练与对齐

9 个专题 · 270 道题

3363

项目奖励函数后续有什么改进思路？

模型训练与对齐强化学习与奖励

项目深挖

进阶

3364

KL 散度有什么作用，为什么使用它？

模型训练与对齐强化学习与奖励

原理机制

进阶

3367

了解哪些 GRPO 改进算法？

模型训练与对齐强化学习与奖励

概念解释

进阶

3368

较长对话的强化学习奖励如何设计？

模型训练与对齐强化学习与奖励

方案设计

进阶

3369

奖励什么时候使用模型，什么时候使用规则？

模型训练与对齐强化学习与奖励

比较选型

进阶

3370

如何避免奖励坍缩和 Reward Hacking？

模型训练与对齐强化学习与奖励

故障排查

进阶

3372

多轮对话如何微调？

模型训练与对齐预训练、续训与 SFT

原理机制

进阶

3373

Agentic RL 如何设计？

模型训练与对齐强化学习与奖励

方案设计

进阶

3439

如何从线上真实对话构造 Expert Agent 的 SFT 数据？

模型训练与对齐训练数据构建与治理

方案设计

进阶

3447

多智能体系统如何设计奖励以促进协作而非竞争？

模型训练与对齐强化学习与奖励

方案设计

进阶