标签：后训练
ICML 2026｜让奖励模型更准更高效，TikTok、NUS提出置信度门控
奖励模型在大语言模型对齐中至关重要，但现有标量判别式和生成式方法在计算效率与可解释性之间存在显著矛盾。为解决这一问题，CAMEL模型被提出，其核心思想是...
大模型训练省钱秘籍：清华POPO一招组级回放，把浪费的算力全部捡回来
在大模型可验证奖励强化学习（RLVR）的后训练过程中，让模型生成多条长链推理回答的成本极其高昂。当同一提示词下的多条回答全部正确或全部错误时，其奖励方...
1天跑通后训练闭环，乐聚把机器人开发门槛打下来了
当前具身智能产业落地的核心瓶颈在于如何将预训练模型稳定部署到真实机器与复杂场景中。具身智能不能仅依靠预训练模型，还需要一套将通用模型转化为专用技能...
真正的AI竞争力，藏在大模型“后训练”这一步
后训练技术正成为企业将通用大模型转化为专属智能引擎的关键路径。当行业焦点仍停留在基座模型的参数竞赛时，一场围绕模型深度优化的变革已悄然展开。产业共...
听说，大家都在梭后训练？最佳指南来了
在大模型时代，Scaling Law曾被视为AI领域的黄金准则，但随着模型规模扩展到百亿、千亿级，其边际效益开始递减。业界逐渐将重心从预训练转向后训练阶段，这一...
科普向：一文解构大模型后训练，GRPO和它的继任者们的前世今生
大语言模型的发展迅速，后训练的强化学习算法不断演进。从 PPO 到 GRPO 再到后续改进算法，都在不断提升模型性能与稳定性。后训练与强化学习的重要性：大语言...
OpenAI底层AGI技术被曝光！前研究主管豪言：从此再无新范式
OpenAI前研究主管Bob McGrew公开表示，AGI的「技术拼图」已经齐全，关键在于如何将推理能力落地并重塑价值创造路径。他认为，实现通用人工智能（AGI）的三大...
阿里通义 Qwen3 上线 ，开源大军再添一名猛将
阿里新一代通义千问开源模型 Qwen3 于4月29日正式上线，用户可通过通义App和网页版体验其强大的智能能力。Qwen3 包含8款不同尺寸的模型，均为全新的“混合推理...
超越DeepSeek V3！Ai2再祭开源杀器Tülu 3，强化学习打破性能瓶颈
艾伦人工智能研究所（Ai2）推出了基于强化学习的新一代开源模型Tülu 3 405B，该模型在多项关键基准测试中超越了DeepSeek v3和GPT-4o。Tülu 3 405B在标准的基...
这才是真・开源模型！公开「后训练」一切，性能超越Llama 3.1 Instruct
艾伦人工智能研究所（Ai2）最近推出了Tülu 3，这是一个开源的大型语言模型，包含8B和70B两个版本，并且未来将推出405B版本。Tülu 3的性能超过了Llama 3.1 Ins...
1
2
