待验证50% 置信事实精确时间
Hugging Face博客发布的Apertus 1.5公开了完整的四阶段后训练流程：SFT（370万条文本、图像、语音样本）、RLVR（35万条数学、代码、指令提示）、DPO（基于LLM评判的偏好对）、SDPO（通过评判反馈加自蒸馏对齐Apertus宪章，并用合成LongContextQA数据扩展上下文）。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
蒸馏的隐性代价：教师行为泄漏与奖励模型超越
rss2026/10/16
涉及实体
相关事实
待验证Hugging Face已经成为NLP领域事实上的标准平台，提供了统一的接口来使用数万个预训练模型72% 相似待验证Hugging Face 的 TRL 库提供了 SFT（监督微调）、DPO（直接偏好优化）、GRPO 等训练范式的标准化实现71% 相似待验证SmoLLM使用Hugging Face的BPE训练器生成自定义词汇表69% 相似待验证Hugging Face 上的很多开放权重模型并不附带训练代码，用户可使用和微调但无法完整复现训练过程68% 相似待验证指令微调（Instruction Tuning）阶段的训练数据包含大量创意写作、商务邮件模板和角色扮演对话样本，使模型掌握各种文体格式68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1044465API
curl https://kongchang.com/api/v1/knowledge/claims/1044465MCP
get_claim(id=1044465)