什么是 培训后?

一种直接在偏好对上微调模型的训练方法，无需单独的奖励模型。

预训练和训练后之间的中间训练阶段，通常用于能力或领域调整。

通过训练一小部分添加参数来调整模型的方法。

在下游适应之前对广泛数据进行初始大规模模型训练。

用于测量训练后模型质量的保留数据集。

对特定领域的数据进行持续训练，以使预先训练的模型适应特定任务。