待验证50% 置信事实精确时间

SFT 冷启动指的是在强化学习之前，先用监督微调让模型具备基本的目标行为模式，以避免 RL 从零探索时奖励信号极度稀疏的问题。

1

来源数

50%

置信度

长期有效

时效性

2026/10/14

首次发现

来源

ReTerm：让终端智能体学会从错误中自我恢复

涉及实体

SFT 冷启动concept

相关事实

待验证在预训练阶段，模型的目标函数通常是最大化下一个token的对数似然，不包含拒绝回答的信号70% 相似待验证Probe guidance 直接从已有模型的冻结内部状态中提取引导信号，消除了推理阶段额外前向传播的需求69% 相似已验证监督微调（SFT）使用'提示-回答'示例对模型进行训练，让模型学会以对话形式响应，从而使输出更连贯69% 相似已验证领域微调通常先通过监督微调（SFT）注入领域知识，再经过基于人类反馈的强化学习（RLHF）对齐用户偏好69% 相似待验证零样本学习指模型在推理时不依赖任何该任务的带标签样本，直接基于预训练知识或外部结构信息作出预测68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1023951

API

curl https://kongchang.com/api/v1/knowledge/claims/1023951

MCP

get_claim(id=1023951)