页面加载中…
搜索中文正文和常见中英文技术词,按教程、项目、面试题筛选。
「对齐策略」找到 2 条内容
按专题浏览 →匹配标题与标签:…T vs 预训练:核心区别在哪? 目标、数据、训练方式对比,复读机现象与对齐场景选择 模型训练 监督微调 预训练对比 复读机问题 对齐策略 指令遵循 2026真题 SFT 与预训练区别 监督微调问题 复读机现象 SFT 对齐场景 大模型训练与微调 字节
匹配正文:…注入:刻意构造易混淆的负例(如相似实体、过时知识),提升鲁棒性 知识时间戳标记:让模型感知知识时效性,减少"过时答案" 三、微调与对齐策略 SFT阶段:用"拒绝回答+解释原因"的数据,训练模型识别知识边界 RLHF/DPO优化:将"事实准确性"纳入奖励函数,人类标注时区分"流畅但错误"vs"保守但正确" 工具使用微调:训练模型主动调用计算器、搜索引擎验证关键事实 四、外部增强机制(RAG为核心) 检索-生成协同:非简单拼接,而是让模型先判断"是否需要检索",再决定"检索什么"…
学习内容与项目面试,在同一条路上。