AI资讯新闻榜单内容搜索-后训练方法

关键词: AI,模型训练,vivo AI Lab, GTA

监督微调（SFT）和强化学习（RL）微调是大模型后训练常见的两种手段。通过强化学习微调大模型在众多 NLP 场景都取得了较好的进展，但是在文本分类场景，强化学习未取得较大的进展，其表现往往不如监督学习。

关键词: DeepSeek-V3,GPT-4.5,AI,deepseek

刚刚，DeepSeek官方发布DeepSeek-V3模型更新技术报告。V3新版本在数学、代码类相关评测集成绩超过GPT-4.5！而且这只是通过改进后训练方法实现。DeepSeek-V3-0324和之前的DeepSeek-V3使用同样的base模型。

关键词: AI,chatGPT,openai,后训练方法,模型训练

离开OpenAI后，他们俩把ChatGPT后训练方法做成了PPT，还公开了～