【ERNIEKit】基于ERNIE4.5-0.3B大模型微调的心理咨询师大模型全流程
"SFT" 相关文章
Learning to Align Human Code Preferences
「DeepSeek二代」来袭！数学暴击o3，英伟达开源LLM登顶
SFT-指令微调是什么？SFT的流程是怎样的？
Intuitive Fine-Tuning: Towards Simplifying Alignment into a Single Process
A Practical Two-Stage Recipe for Mathematical LLMs: Maximizing Accuracy with SFT and Efficiency with Reinforcement Learning
科学家揭示训练代码执行器受限于模型能力，指明智能体要融入符号计算
英伟达大牛主讲！斯坦福吴恩达：大语言模型的后训练课程全网发布
豆蔻妇科大模型再突破：钉钉行业训练平台+精标数据SFT ，准确率从 77.1%上升至 90.2%
苹果🍎的奇幻漂流，当你提问后，ChatGPT在“想”什么？
Reinforcement Fine-Tuning Naturally Mitigates Forgetting in Continual Post-Training
AI产品经理必看的大模型微调劝退指南丨实战笔记
怎么通俗易懂地理解AI大模型微调？一篇大白话文章解释模型微调！
如何使用LoRA通过微调增强大模型
一招缓解LLM偏科！调整训练集组成，“秘方”在此 | 上交大&上海AI Lab等
纯蒸馏模型 SOTA 出现！直接 SFT 成本直降 50 倍，数据已全部开源
DeepSeek-R1发布100天后：全面复盘推理大模型复现研究及未来！
86 条 DeepSeek 的关键思考 ｜Best Ideas 开源
10篇R1相关的研究全面汇总，万字思考！
Optimizing Training Data Allocation Between Supervised and Preference Finetuning in Large Language Models
