模型训练与对齐

本分类共 9 个专题 · 761 道题

9632

SAM 3 训练中与文本相关的数据集如何构建？

模型训练与对齐训练数据构建与治理

方案设计

进阶

9636

多轮工具调用 Agent 的强化学习损失如何设计与计算？

模型训练与对齐强化学习与奖励

原理机制

进阶

9637

多轮 Agent 强化学习与单轮 LLM 强化学习有什么区别？

模型训练与对齐强化学习与奖励

比较选型

进阶

9638

从损失函数角度看，GRPO 有哪些局限？

模型训练与对齐强化学习与奖励

原理机制

进阶

9641

Agent 强化学习中如何优化工具等待与训练批次组织？

模型训练与对齐训练框架、调参与排障

方案设计

进阶

9642

多工具 Agent 的训练环境与 Harness 如何设计，哪些部分需要自研？

模型训练与对齐训练框架、调参与排障

系统设计

进阶

9648

AdamW 训练时，参数、梯度和优化器状态分别占多少显存？

模型训练与对齐分布式训练与计算硬件

原理机制

进阶

9658

微调所用基座模型从哪里获取，具体版本和参数配置是什么？

模型训练与对齐参数高效微调

经历介绍

—

9725

完整 Agent rollout 的最终奖励如何定义和汇总？

模型训练与对齐强化学习与奖励

原理机制

进阶

9837

分布式训练解决哪些问题，付出哪些通信与工程成本？

模型训练与对齐分布式训练与计算硬件

概念解释

进阶