逐步自适应集成监督微调和强化学习用于任务特定的大型语言模型

💡 原文中文,约600字,阅读约需2分钟。
📝

内容提要

本研究提出了一种逐步自适应混合训练框架SASR,旨在解决大型语言模型训练中的过拟合和模式崩溃问题。SASR通过动态调整监督微调与强化学习的比例,提升模型性能。

🏷️

标签

➡️

继续阅读