logoGopherDing's Blog
  • 主页
  • 搜索
  • 标签
  • 时间轴
  • 关于
  • 开往
主页 » 标签

RLHF

Finetuning with Sampling 深度解读:不动损失函数,改数据分布

解读 Karan、Chen 与 Du 的论文 Finetuning with Sampling:用 MCMC 投影采样把离线专家数据改造得更接近基座模型分布,让 SFT 泛化更好、遗忘更少,正面挑战 RL 后训练的主流叙事。 ...

2026-11-21    6593字    14分钟    GopherDing    Deep Learning  Artificial Intelligence  LLM  RLHF



Copyright © 2020-2026 GopherDing's Blog All Rights Reserved. Generated with Hugo v0.167.0.
Loading Loading