Tags → #Reasoning

小猫都能懂的大模型原理 5 - 后训练

大语言模型后训练完整指南：SFT监督微调、RLHF人类反馈强化学习、Reasoning 推理能力训练等技术。详解如何将基础大模型训练成对话助手，提升模型实用性、安全性和推理能力。