2025年4月28日
LLM大模型：TTRL: Test-Time Reinforcement Learning分析
摘要： 1、现在大模型在pre-train完成后，肯定还要做post-train，主要目的是学会chat，并且对齐人类的偏好，主要方式就是SFT和RL，详见：https://www.cnblogs.com/theseventhson/p/18760256；做LLM，有三大要素：算力、算法、token数据了！ 阅读全文
posted @ 2025-04-28 15:53 第七子007 阅读(473) 评论(0) 推荐(0)