待验证50% 置信事实精确时间
Glimpse 构建在一个未具名的开放权重基础模型之上，由一个只有几百块 GPU 的小团队进行后训练。
1
来源数
50%
置信度
长期有效
时效性
2026/10/17
首次发现
来源
涉及实体
相关事实
待验证在已有基础模型（如Llama、Mistral系列）上进行监督微调（SFT）或偏好对齐训练（RLHF/DPO），只需数百到数千条高质量任务样本，即可在有限GPU资源下完成67% 相似已验证混合精度训练和梯度累积等技术可以在有限GPU内存下训练更大模型66% 相似待验证PostTrainBench 为每个智能体分配一块 H100 GPU，评估它能通过后训练将小模型提升多少65% 相似已验证大模型训练主要消耗来自数以万计的高端GPU（如NVIDIA A100/H100）的算力65% 相似待验证LoRA微调通过在模型权重矩阵旁注入低秩分解矩阵实现轻量级个性化训练，可用数十张角色图像训练出仅数十MB的适配器65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1055062API
curl https://kongchang.com/api/v1/knowledge/claims/1055062MCP
get_claim(id=1055062)